鑒于技術發展的速度以安全地將用戶連接到應用程序，再加上流量模式的快速變化，SD-WAN 需要跟上步伐。必須不斷開發和部署新工具，以在異常網絡行為影響最終用戶之前自動檢測和分析它。為了在影響用戶之前緩解和預防網絡問題，網絡專業人員必須快速理解并采用這些工具。

作為網絡中最有價值的新興技術之一，機器學習 (ML)可以節省部署更改的時間，更有效地管理網絡問題，并有助于不斷自動調整以適應新情況。

人工智能 (AI) 和機器學習目前在生產中用于廣泛的用例，包括安全性。它們正迅速融入 IT 運營，并顯著改變人類與技術交互的方式，提供更主動、更自動化的方法。

人為錯誤是計劃外網絡停機的最常見原因之一。自動化消除了人為錯誤，但如果人類仍然做出最終決定，它并不能消除所有錯誤。此外，排除廣域網 (WAN) 問題歷來是乏味且耗時的，需要管理員篩選無數日志文件和警報。確定網絡問題的根源并解決它們所需的時間對網絡的總擁有成本有很大影響。傳統的軟件定義廣域網 (SD-WAN) 解決方案可能會提供集中式網絡管理，幫助管理員更快地定位問題，但下一代 SD-WAN 中基于機器學習的功能甚至可以在問題發生之前預測到問題。當今的下一代 SD-WAN 解決方案具有基于 ML 的功能的計算機可以比人工干預更快地適應您環境中的變化。

當人工智能和機器學習嵌入到 SD-WAN 解決方案中時，網絡將獲得海量數據處理以及對網絡和應用程序性能的更豐富理解。基本上，網絡變得更加智能。自動化、機器學習和人工智能的結合構成了一個自我修復、自我驅動的網絡——一個可以在最少的人為干預下進行監控、分析、糾正和調整的網絡。

基于機器學習的 3 大自治 SD-WAN 功能

具有基于 ML 的功能的 下一代 SD-WAN解決方案可讓您通過提供三個主要優勢來簡化網絡運營并提高性能：

• 準確了解網絡并更深入地了解網絡和應用程序性能。這是在問題發展過程中幫助解決問題的關鍵。
• 智能分析，包括在分析不同事件如何影響網絡、應用程序性能和安全性后針對網絡變化的智能警報和建議。
• 自動統計分析使容量規劃變得簡單。

隨著 SD-WAN 繼續被廣泛采用，它應該將機器學習的使用擴展到未來的所有用例，將重點從分支機構連接轉移到自動化操作。這將迎來一個預期的卓越性能、高度可用和靈活的帶寬以及豐富的數據和分析的新時代，同時降低運營成本。