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)、計算機科學(xué)和通信工程等領(lǐng)域的重要研究方向。本書通過對軟件定義網(wǎng)絡(luò)、網(wǎng)絡(luò)功能虛擬化、機器學(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、計算機科學(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。
1.《智能網(wǎng)絡(luò)》是一本集理論與實踐于一體的專業(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)域的研究者和實踐者提供全面的智能網(wǎng)絡(luò)知識體系和應(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)，國家杰出青年人才，具有豐富的教學(xué)和研究經(jīng)驗，對智能網(wǎng)絡(luò)技術(shù)有深入的研究和獨到的見解。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)用場景和發(fā)展趨勢，內(nèi)容覆蓋了從基礎(chǔ)理論到實際應(yīng)用的各個方面，為讀者提供了一個完整的智能網(wǎng)絡(luò)知識體系；
4.本書對智能網(wǎng)絡(luò)技術(shù)的發(fā)展趨勢進(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，國家杰青，IET Fellow，IEEE高級會員，中國電子學(xué)會高級會員，中國通信學(xué)會高級會員，主要研究方向為專用網(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 機器學(xué)習(xí) 36
3.1 人工智能與機器學(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 機器學(xué)習(xí)人工智能的實現(xiàn)方式 37
3.1.3 機器學(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路由算法簡述 68
4.2.2 基于模型的Q-learning路由機制 69
4.2.3 面向自組織網(wǎng)絡(luò)的自適應(yīng)路由機制 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制 76
4.3.2 面向SDN的自適應(yīng)路由機制 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 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 隊列管理 90
5.3.1 基于模糊神經(jīng)網(wǎng)絡(luò)的隊列管理方法 91
5.3.2 基于模糊Q-learning的隊列管理算法 93
5.4 CWND更新 95
5.4.1 基于學(xué)習(xí)自動機的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)測網(wǎng)絡(luò)流量 101
5.5.2 一種SVR預(yù)測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 111
6.2.1 基于用戶聚類算法和回歸算法的Qo 預(yù)測方法 111
6.2.2 基于ANN的QoE預(yù)測方法 113
6.3 QoS/QoE評估 116
6.3.1 基于SVM的QoS評估方法 117
6.3.2 基于KNN的QoE評估方法 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 128
7.2.1 基于網(wǎng)絡(luò)建模技術(shù)的故障預(yù)測分析算法 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)測的算法 131
7.3 故障檢測 133
7.3.1 基于聚類的網(wǎng)絡(luò)故障檢測性分析算法 133
7.3.2 基于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的故障檢測機制 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 自動緩解 142
7.5.1 基于主動故障預(yù)測的自動緩解 142
7.5.2 基于被動故障預(yù)測的自動緩解 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 入侵檢測系統(tǒng) 149
8.2 基于誤用的入侵檢測 150
8.2.1 基于神經(jīng)網(wǎng)絡(luò)的誤用檢測 150
8.2.2 基于決策樹的誤用檢測 153
8.3 基于異常的入侵檢測 155
8.3.1 基于流量特征的異常檢測 156
8.3.2 基于有效負(fù)載的異常檢測 159
8.4 機器學(xué)習(xí)在入侵檢測中的綜合應(yīng)用 161
8.4.1 基于集成學(xué)習(xí)的入侵檢測 161
8.4.2 基于深度學(xué)習(xí)的入侵檢測 162
8.4.3 基于強化學(xué)習(xí)的入侵檢測 165
8.5 總結(jié) 167
8.5.1 問題與挑戰(zhàn) 167
8.5.2 入侵檢測系統(tǒng)的發(fā)展趨勢 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 基于擴散模型優(yōu)化強化學(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 192
參考文獻(xiàn) 193
第 10章 總結(jié) 194
書單推薦
