什么是采用 AI 技术的设备分析?

采用 AI 技术的设备分析使用机器学习模型,这些模型不光查看基本操作系统设置、签名和 MAC 地址,还能够准确识别连接到无线和有线网络的物联网和智能设备。

采用 AI 技术的设备分析释义

设备分析并不鲜见,但在网络中利用 AI 和机器学习 (ML) 来改善终端客户端(即物联网、手机和笔记本电脑)的指纹识别效果却是一项全新的功能。鉴于如今市面的新设备层出不穷,利用 AI 获得的准确性对于安全和规划工作非常重要。

  • 当设备(也称为客户端或端点)连接到网络时,系统会在身份验证过程中收集属性以生成指纹。
  • 收集的属性通常包括 MAC 地址、操作系统版本、国际移动设备识别 (IMEI) 码以及 HTTP 用户代理等信息。
  • 现代解决方案如今使用客户端和基础设施遥测技术以及 ML 算法来深入了解 MAC 地址是如何按制造商和客户端类型进行细分的。对于剖析某些标识符来说也是如此。
Aruba AI-powered Device Profiling

为什么要使用采用 AI 技术的设备分析?

在网络空间中,公司使用设备分析和指纹识别来确定出于安全和操作目的连接到其网络的端点的类型和数量。

基本用例:

  • 为了操作目的,准确的清单有助于确定网络上有哪些端点,以满足带宽要求和执行故障排除。
  • 从安全角度而言,采用 AI 技术的设备分析有助于制定有效的细分规则,以阻止不需要的设备进行连接,从而增强组织的网络安全态势。

采用 AI 技术的设备分析优势

如今涌现的新物联网和智能设备快速发展,使得组织更难识别连接到其有线和无线网络的对象。采用 AI 技术的设备分析和 ML 解决方案可帮助公司更加全面地了解网络情况。

采用 AI 技术的设备分析的优势包括:

  • 能够利用云和数据湖轻松捕获端点属性,并了解现有客户群的新物联网设备。
  • 分析准确率高达 98%,并且能够将身份不明的连接数量降至不到 5%。
  • 区分物联网与使用反复性应用/流量行为模式的 BYOD 或基于计算的客户端。
  • 由于一些供应商将采用 AI 技术的设备分析纳入其基础管理解决方案和许可中,因此可以节省成本。

采用 AI 技术的设备分析和传统设备分析有何不同?

分析属性采用 AI 技术传统
云使用标准做法通常在本地且单独进行
AI/ML
查看 MAC 地址、操作系统版本、EMEI 等是,获得额外的优势:使用机器学习能够不间断地比较设备以提高准确性
以众包方式生成新指纹是,能够直接访问客户群中的新数据供应商需要定期上传来自第三方资源的指纹来更新软件
分析准确性在一些情形下,介于 95% 到 99%介于 70% 到 80%
“未知”设备类型占比不到 5%介于 30% 到 35%

准备好开始了吗?