什麼是採用 AI 技術的裝置剖析功能?

採用 AI 技術的裝置剖析使用機器學習模型,不僅能瞭解基本的作業系統設定、簽章和 MAC 位址,還能在物聯網和智慧型裝置連線到無線和有線網路時加以準確識別。

採用 AI 技術的裝置剖析功能說明

雖然裝置剖析並非新功能,但在網路中使用 AI 和機器學習 (ML) 來改進端點用戶端 (例如 IoT、手機和筆記型電腦) 的指紋辨識技術卻是一大創新。現今銷售的新裝置如此之多,利用 AI 獲得的剖析準確性對於安全性和規劃而言意義重大。

  • 當裝置 (也稱為用戶端或端點) 連線到網路時,就會在身分驗證流程中收集屬性來建立指紋。
  • 收集的屬性通常包括 MAC 位址、作業系統版本、國際行動裝置識別碼 (IMEI) 和 HTTP 使用者代理程式等資訊。
  • 現代解決方案現在會使用用戶端和基礎架構遙測以及 ML 演算法,研究 MAC 位址如何依製造商和用戶端類型加以細分。對於部分識別碼的剖析功能亦是如此。
Aruba AI-powered Device Profiling

為何選擇採用 AI 技術的裝置剖析功能?

在網路範疇,公司會出於安全性和營運目的,使用裝置剖析和指紋辨識來瞭解連線到公司網路的端點類型和數量。

基本使用案例:

  • 就營運而言,準確的清單有助於確定網路上有哪些裝置,以利滿足頻寬要求並進行疑難排解。
  • 從安全性角度來看,採用 AI 技術的裝置剖析有助於建立有效的分割規則,阻止有風險的裝置連線,並增強組織的網路安全態勢。

採用 AI 技術的裝置剖析功能優勢

時至今日,新的物聯網和智慧型裝置迅速湧現,使得企業更難識別到底哪些裝置連線到了企業的有線和無線網路。採用 AI 技術的裝置剖析和 ML 解決方案透過提高企業對其網路的可見性來解決此問題。

採用 AI 技術的裝置剖析功能具有以下優勢:

  • 能夠利用雲端和資料湖輕鬆擷取端點屬性,並透過現有客戶瞭解新的 IoT 裝置。
  • 剖析功能的準確率高達 98%,並能將未識別連線的數量降至 5% 以下。
  • 利用重複出現的應用程式/流量行為模式,區分物聯網與自攜裝置或運算型用戶端。
  • 節約成本,因為有些廠商在其基礎管理解決方案和授權中,包含了採用 AI 技術的裝置剖析功能。

採用 AI 技術的裝置剖析與傳統的有何不同?

剖析屬性採用 AI 技術傳統
雲端使用標準做法通常是內部部署和獨立式
AI/ML
檢視 MAC 位址、作業系統版本、EMEI 等是,還能利用 ML 不斷比較裝置來提高準確性
新指紋的群眾外包功能是,可立即存取整個現有客戶的新資料需要廠商從協力廠商資源上傳指紋來定期更新軟體
剖析準確度部分情況下介於 95% 到 99% 之間介於 70% 到 80% 之間
「未知」的裝置類型比率未達 5%介於 30% 到 35% 之間

準備好開始了嗎?