AI::Hálózat automatizálása
Lásd még: AI (áttekintés, közös fogalmak és kockázatok) · NetBox - konfiguráció-generálás és Ansible-kiosztás · Monitoring · iptables-apply / netplan try
Két, jól elkülöníthető alkalmazási területet érdemes megkülönböztetni: a hálózat megtervezését (topológia, kapacitás) és a már meglévő hálózat üzemeltetését (konfiguráció, hibakeresés, riasztás). Mindkettőben ugyanaz az AI áttekintő oldalon tárgyalt eszközhívás-ciklus valósul meg, csak más "eszköz" (más célterületi API/parancs) mögé kötve.
Tervezés: topológia és kapacitás
Egy AI-ügynöknek megadott magas szintű cél (pl. "tervezz egy nem-blokkoló Spine-Leaf topológiát 200 szerver-porthoz") mögött ugyanazok a korábban tárgyalt Fat-tree/Clos-formulák (F(k,L), Core/Aggregation/Edge-kapacitás) állnak, amiket a "Clos hálózatok" órán már megismertünk - a modell itt gyakorlatilag ugyanazt a számolást végzi el, amit korábban kézzel csináltunk, csak gyorsabban, és rögtön konkrét eszközlistát/kábelezési tervet is generálva. A számolást és a tervrajz legépelését innentől ő végzi - az embernek nem ez, hanem a végeredmény architekturális megítélése marad a dolga: valóban nem-blokkoló-e a kapott kapacitás, a mögöttes képletek alapján. Ehhez a Fat-tree/Clos-összefüggések ismerete épp annyira szükséges marad, mint AI nélkül volt - csak a szerepe tolódik a számolásról az eredmény ellenőrzésére.
Üzemeltetés: természetes nyelv → konfiguráció
A leggyakorlatiasabb, ma is használt minta: egy természetes nyelvi szándékot (pl. "engedélyezd az SSH-t csak a management VLAN-ról minden CRS switchen") az ügynök konkrét, eszköz-specifikus paranccsá alakítja (RouterOS/iptables/nftables szintaxisban).
Ez közvetlenül ráépül a korábban bemutatott NetBox → Ansible pipeline-ra: ott egy fix Jinja2-sablon generálta a konfigurációt a NetBox adataiból - egy AI-ügynök ugyanezt a szerepet töltheti be rugalmasabban: a NetBox-adatokat (mint a "mi van/minek kellene lennie" kontextust) és a természetes nyelvi szándékot kombinálva generál konfigurációt, amit aztán ugyanaz az Ansible-alapú, SSH-n keresztüli kiosztási lépés alkalmaz, mint korábban.
A hálózati kockázat különösen magas - miért?
A hálózati automatizálásnál a általános "blast radius" kockázat különösen éles: egy hibás szabály nem csak egy alkalmazást, hanem magát a hozzáférést is tönkreteheti (klasszikus "kizártam magam SSH-n" eset - ugyanaz a probléma, amit az iptables-apply és a netplan try is megold). Ebből következik a legfontosabb szabály:
Az AI-ügynök nem kerülheti meg a már megismert biztonsági mintát - csak egy új, gyorsabb módja annak, hogy a jelölt konfigurációt előállítsuk. Az alkalmazásnak továbbra is a megszokott, időzített visszaállítással védett folyamaton (iptables-apply, netplan try, egy router esetén pedig akár egy egyszerű "mentsd el a jelenlegi konfigurációt indulás előtt" lépésen) kell átmennie - sosem az ügynök közvetlen, ellenőrizetlen hozzáférésén keresztül egy éles eszközhöz.
AIOps: anomália-detektálás a monitoringban
A Monitoring szekcióban tárgyalt rendszerek (elsősorban Zabbix/Prometheus) hagyományosan fix küszöbértékekkel dolgoznak (pl. "riassz, ha a CPU-terhelés 90% fölé megy"). Egy AI-alapú kiegészítés ehelyett a szokásos mintázathoz képesti eltérést keresi (pl. "ez a forgalom a szokásosnál jelentősen nagyobb erre a napszakra/hétköznapra", fix küszöb nélkül is) - ez nem helyettesíti, hanem kiegészíti a meglévő, küszöbérték-alapú riasztásokat.
Sajátosságai (összefoglalva)
- Tervezésnél az AI-generált topológia/kapacitás-javaslatot ugyanazokkal a Fat-tree/Clos-képletekkel kell ellenőrizni, amiket korábban kézzel is használtunk - ez a tervezői tudás nem válik feleslegessé attól, hogy a számolást az AI végzi, csak a szerepe az eredmény architekturális megítélésére tolódik.
- Üzemeltetésnél az AI a NetBox → Ansible pipeline konfiguráció-generáló lépését gazdagítja - a kiosztás/alkalmazás biztonsági mintája változatlan marad.
- A hálózati automatizálásnál a hibás változtatás magát a hozzáférést is elvághatja - ezért itt az emberi jóváhagyás/időzített visszaállítás elve különösen szigorúan betartandó.
- Az AIOps-jellegű anomália-detektálás a meglévő monitoring-rendszereket egészíti ki, nem váltja ki.