本書旨在全面闡述人工智能在網(wǎng)絡(luò)技術(shù)中的應(yīng)用，并探討其未來發(fā)展方向。在人工智能與復(fù)雜網(wǎng)絡(luò)環(huán)境的交織下，智能網(wǎng)絡(luò)成為信息技術(shù)、計(jì)算機(jī)科學(xué)和通信工程等領(lǐng)域的重要研究方向。本書通過對(duì)軟件定義網(wǎng)絡(luò)、網(wǎng)絡(luò)功能虛擬化、機(jī)器學(xué)習(xí)算法在網(wǎng)絡(luò)管理與優(yōu)化中的應(yīng)用等核心技術(shù)的深入解析，詳細(xì)介紹了智能網(wǎng)絡(luò)的基礎(chǔ)設(shè)施、路由與擁塞控制、QoS/QoE管理、網(wǎng)絡(luò)安全及網(wǎng)絡(luò)大模型等內(nèi)容。
本書既適合作為網(wǎng)絡(luò)工程、計(jì)算機(jī)科學(xué)、通信工程及人工智能等專業(yè)的本科生、研究生的教材，也為相關(guān)領(lǐng)域的研究人員和從業(yè)者提供了一份系統(tǒng)的參考資料，有助于他們了解智能網(wǎng)絡(luò)的基礎(chǔ)理論、技術(shù)應(yīng)用和未來趨勢(shì)。
1.《智能網(wǎng)絡(luò)》是一本集理論與實(shí)踐于一體的專業(yè)書籍，旨在為網(wǎng)絡(luò)技術(shù)、信息技術(shù)、通信工程等領(lǐng)域的研究者和實(shí)踐者提供全面的智能網(wǎng)絡(luò)知識(shí)體系和應(yīng)用案例；
2.本書作者姚海鵬教授是北京郵電大學(xué)的教、博導(dǎo)，國(guó)家杰出青年人才，具有豐富的教學(xué)和研究經(jīng)驗(yàn)，對(duì)智能網(wǎng)絡(luò)技術(shù)有深入的研究和獨(dú)到的見解。他的學(xué)術(shù)背景和行業(yè)影響力為本書的專業(yè)性提供了有力保障；
3.本書系統(tǒng)地介紹了智能網(wǎng)絡(luò)的基本概念、關(guān)鍵技術(shù)、應(yīng)用場(chǎng)景和發(fā)展趨勢(shì)，內(nèi)容覆蓋了從基礎(chǔ)理論到實(shí)際應(yīng)用的各個(gè)方面，為讀者提供了一個(gè)完整的智能網(wǎng)絡(luò)知識(shí)體系；
4.本書對(duì)智能網(wǎng)絡(luò)技術(shù)的發(fā)展趨勢(shì)進(jìn)行了深入分析，為讀者揭示了智能網(wǎng)絡(luò)技術(shù)的未來發(fā)展方向和應(yīng)用前景，有助于讀者把握行業(yè)發(fā)展的脈搏。
姚海鵬，北京郵電大學(xué)的教授，博士生導(dǎo)師，國(guó)家杰青，IET Fellow，IEEE高級(jí)會(huì)員，中國(guó)電子學(xué)會(huì)高級(jí)會(huì)員，中國(guó)通信學(xué)會(huì)高級(jí)會(huì)員，主要研究方向?yàn)閷Ｓ镁W(wǎng)絡(luò)、無人集群網(wǎng)絡(luò)、網(wǎng)絡(luò)人工智能等。
第 1章 智能網(wǎng)絡(luò)概述 1
1.1 國(guó)內(nèi)外研究現(xiàn)狀 2
1.2 本書組織結(jié)構(gòu) 2
參考文獻(xiàn) 4
第 2章 智能網(wǎng)絡(luò)基礎(chǔ)設(shè)備 5
2.1 引言 5
2.1.1 SDN的誕生 5
2.1.2 智能網(wǎng)絡(luò) 6
2.1.3 大數(shù)據(jù)處理和人工智能技術(shù) 7
2.2 新型網(wǎng)絡(luò)技術(shù) 7
2.2.1 SDN 8
2.2.2 NFV 13
2.2.3 可編程數(shù)據(jù)平面 16
2.3 網(wǎng)絡(luò)感知技術(shù) 24
2.3.1 sFlow 24
2.3.2 INT 27
2.3.3 DPI 30
2.4 DPU和智能網(wǎng)卡 33
2.4.1 DPU 33
2.4.2 智能網(wǎng)卡 33
2.5 總結(jié) 34
參考文獻(xiàn) 34
第3章 機(jī)器學(xué)習(xí) 36
3.1 人工智能與機(jī)器學(xué)習(xí)發(fā)展概述 36
3.1.1 人工智能的提出和發(fā)展 36
3.1.2 機(jī)器學(xué)習(xí)人工智能的實(shí)現(xiàn)方式 37
3.1.3 機(jī)器學(xué)習(xí)算法分類 38
3.2 監(jiān)督學(xué)習(xí) 39
3.2.1 監(jiān)督學(xué)習(xí)算法選擇 39
3.2.2 線性回歸 40
3.2.3 邏輯回歸 41
3.2.4 神經(jīng)網(wǎng)絡(luò) 44
3.2.5 SVM 47
3.3 無監(jiān)督學(xué)習(xí) 50
3.3.1 K-means 50
3.3.2 DBSCAN 51
3.3.3 層次聚類 52
3.3.4 PCA 52
3.3.5 LDA 53
3.4 強(qiáng)化學(xué)習(xí) 54
3.4.1 Q-learning 55
3.4.2 Sarsa 57
3.4.3 深度Q網(wǎng)絡(luò) 59
3.4.4 策略梯度 60
3.5 總結(jié) 62
參考文獻(xiàn) 62
第4章 網(wǎng)絡(luò)路由 64
4.1 路由問題概述 64
4.1.1 傳統(tǒng)路由簡(jiǎn)述 65
4.1.2 路由信息協(xié)議 65
4.1.3 開放最短路徑優(yōu)先協(xié)議 66
4.1.4 邊界網(wǎng)關(guān)協(xié)議 67
4.2 分布式路由策略 68
4.2.1 Q-routing路由算法簡(jiǎn)述 68
4.2.2 基于模型的Q-learning路由機(jī)制 69
4.2.3 面向自組織網(wǎng)絡(luò)的自適應(yīng)路由機(jī)制 72
4.3 集中式路由策略 75
4.3.1 基于最小二乘策略迭代的路由機(jī)制 76
4.3.2 面向SDN的自適應(yīng)路由機(jī)制 78
4.4 總結(jié) 81
參考文獻(xiàn) 82
第5章 擁塞控制 83
5.1 擁塞控制概述 83
5.1.1 擁塞控制狀態(tài)機(jī) 83
5.1.2 擁塞控制算法 84
5.2 丟包分類 86
5.2.1 基于樸素貝葉斯算法的丟包分類方法 86
5.2.2 隱馬爾可夫模型的丟包分類方法 89
5.3 隊(duì)列管理 90
5.3.1 基于模糊神經(jīng)網(wǎng)絡(luò)的隊(duì)列管理方法 91
5.3.2 基于模糊Q-learning的隊(duì)列管理算法 93
5.4 CWND更新 95
5.4.1 基于學(xué)習(xí)自動(dòng)機(jī)的CWND更新方法 95
5.4.2 基于Q-learning的CWND更新方法 98
5.5 擁塞診斷 100
5.5.1 基于灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)網(wǎng)絡(luò)流量 101
5.5.2 一種SVR預(yù)測(cè)RTT的方法 104
5.6 總結(jié) 106
參考文獻(xiàn) 106
第6章 QoS/QoE管理 108
6.1 QoS/QoE概述 108
6.1.1 QoS/QoE概念 108
6.1.2 QoS/QoE區(qū)別 109
6.2 QoS/QoE預(yù)測(cè) 111
6.2.1 基于用戶聚類算法和回歸算法的Qo 預(yù)測(cè)方法 111
6.2.2 基于ANN的QoE預(yù)測(cè)方法 113
6.3 QoS/QoE評(píng)估 116
6.3.1 基于SVM的QoS評(píng)估方法 117
6.3.2 基于KNN的QoE評(píng)估方法 119
6.4 QoS/QoE相關(guān)性 121
6.4.1 QoS/QoE的相關(guān)性 121
6.4.2 基于機(jī)器學(xué)習(xí)的QoS/QoE相關(guān)性分析 122
6.5 總結(jié) 125
參考文獻(xiàn) 125
第 7 章 故障管理 127
7.1 故障管理概述 127
7.2 故障預(yù)測(cè) 128
7.2.1 基于網(wǎng)絡(luò)建模技術(shù)的故障預(yù)測(cè)分析算法 128
7.2.2 基于流形學(xué)習(xí)技術(shù)提取故障特征并生成故障預(yù)測(cè)的算法 131
7.3 故障檢測(cè) 133
7.3.1 基于聚類的網(wǎng)絡(luò)故障檢測(cè)性分析算法 133
7.3.2 基于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的故障檢測(cè)機(jī)制 135
7.4 根因定位 138
7.4.1 基于決策樹學(xué)習(xí)方法的根因定位 138
7.4.2 基于離散狀態(tài)空間粒子濾波算法的根因定位技術(shù) 140
7.5 自動(dòng)緩解 142
7.5.1 基于主動(dòng)故障預(yù)測(cè)的自動(dòng)緩解 142
7.5.2 基于被動(dòng)故障預(yù)測(cè)的自動(dòng)緩解 144
7.6 總結(jié) 146
參考文獻(xiàn) 146
第 8 章 網(wǎng)絡(luò)安全 148
8.1 網(wǎng)絡(luò)安全概述 148
8.1.1 網(wǎng)絡(luò)安全 148
8.1.2 入侵檢測(cè)系統(tǒng) 149
8.2 基于誤用的入侵檢測(cè) 150
8.2.1 基于神經(jīng)網(wǎng)絡(luò)的誤用檢測(cè) 150
8.2.2 基于決策樹的誤用檢測(cè) 153
8.3 基于異常的入侵檢測(cè) 155
8.3.1 基于流量特征的異常檢測(cè) 156
8.3.2 基于有效負(fù)載的異常檢測(cè) 159
8.4 機(jī)器學(xué)習(xí)在入侵檢測(cè)中的綜合應(yīng)用 161
8.4.1 基于集成學(xué)習(xí)的入侵檢測(cè) 161
8.4.2 基于深度學(xué)習(xí)的入侵檢測(cè) 162
8.4.3 基于強(qiáng)化學(xué)習(xí)的入侵檢測(cè) 165
8.5 總結(jié) 167
8.5.1 問題與挑戰(zhàn) 167
8.5.2 入侵檢測(cè)系統(tǒng)的發(fā)展趨勢(shì) 167
參考文獻(xiàn) 168
第 9 章 網(wǎng)絡(luò)大模型 169
9.1 網(wǎng)絡(luò)大模型概述 169
9.1.1 網(wǎng)絡(luò)大模型 169
9.1.2 網(wǎng)絡(luò)大模型的生命周期 170
9.2 GAI賦能網(wǎng)絡(luò)大模型 173
9.2.1 GAI方法 174
9.2.2 基于擴(kuò)散模型優(yōu)化強(qiáng)化學(xué)習(xí) 180
9.2.3 GAI賦能6G網(wǎng)絡(luò) 181
9.3 網(wǎng)絡(luò)支持GAI 182
9.3.1 網(wǎng)絡(luò)集成大模型技術(shù) 184
9.3.2 網(wǎng)絡(luò)大模型服務(wù)的部署 188
9.3.3 可編程數(shù)據(jù)平面賦能網(wǎng)絡(luò)大模型 190
9.4 總結(jié) 192
9.4.1 問題與挑戰(zhàn) 192
9.4.2 網(wǎng)絡(luò)大模型的發(fā)展趨勢(shì) 192
參考文獻(xiàn) 193
第 10章 總結(jié) 194
書單推薦
