УДК 004
DOI: 10.36871/ek.up.p.r.2026.04.11.024

Авторы

Ана Зизаева,
Амина Адлановна Пагаева,
Грозненский государственный нефтяной технический университет имени академика М.Д. Миллионщикова, Грозный, Россия

Аннотация

В статье исследуется эволюция подходов к управлению сетями связи под влиянием технологий искусственного интеллекта, что представляет собой актуальную проблему современной телекоммуникационной отрасли, поскольку экспоненциальный рост трафика, усложнение сетевой ар­хитектуры (включая внедрение 5G/6G, программно-конфигурируемых сетей, виртуализации сетевых функций и периферийных вычислений) и повышение требований к надёжности и производительности делают традиционные методы управления, основанные на ручном конфигурировании и статических правилах, недостаточно эффективными. На основе синтеза положений теории управления сетями, ме­тодов машинного обучения и анализа современных телекоммуникационных архитектур рассматрива­ются ключевые этапы интеграции искусственного интеллекта в управление сетями: от применения дис­кретных ML-моделей для решения узкоспециализированных задач до концепций сетей, определяемых знаниями, и самоуправляемых сетей. Анализируются современные архитектурные подходы, включая программно-конфигурируемые сети (SDN), виртуализацию сетевых функций (NFV), сети, определяе­мые намерениями (IBN), а также формирующуюся парадигму сетей, определяемых знаниями (KDN); вводится плоскость знаний, аккумулирующая и обрабатывающая информацию о состоянии сети для принятия оптимальных решений.

Ключевые слова

искусственный интеллект, управление сетями связи, сети, определяемые зна­ниями

Список литературы

  1. Бондаренко В.А., Зайцев А.И. Методы машин­ного обучения в задачах управления сетевыми ресурсами // Информационные технологии. – 2024. – № 5. – С. 23–31.
  2. Бычков Е.Д., Коваленко О.Н. Искусственный интеллект в системах связи : учебное пособие. – Омск: ОмГУПС, 2024. – 87 с.
  3. Григорьев М.В., Соколова Т.Н. Прогнозирова­ние сетевого трафика с использованием ней­росетевых моделей // Информационные техно­логии и вычислительные системы. – 2025. – № 2. – С. 45–58.
  4. Елагин В.С., Обухов С.А. Архитектура сетей, определяемых знаниями, для автономного управления телекоммуникационной инфра­структурой // Вестник компьютерных и ин­формационных технологий. – 2025. – Т. 22, № 1. – С. 34–42.
  5. Иванов К.Л., Смирнова Е.А. Применение об­учения с подкреплением для оптимизации маршрутизации в динамических сетях // Информационные технологии и вычислительные системы. – 2024. – № 4. – С. 56–68.
  6. Кузнецов А.В., Фролова Е.А. Обнаружение ано­малий в сетевом трафике методами машинного обучения // Прикладная информатика. – 2025. – Т. 20, № 1. – С. 34–47.
  7. Лебедев А.А., Михайлова О.В. Большие языко­вые модели в управлении сетевыми конфигура­циями // Искусственный интеллект и принятие решений. – 2025. – № 3. – С. 23–38.
  8. Морозов В.П., Тихомирова Н.П. Самоисцеляю­щиеся сети: архитектура и методы реализации // Информационные технологии. – 2024. – № 8. – С. 12–24.
  9. Обухов С.А., Елагин В.С. Применение моделей искусственного интеллекта в сетях связи 5G и 6G для классификации сетевого трафика // Вестник компьютерных и информационных технологий. – 2024. – Т. 21, № 6. – С. 41–49.
  10. Попов С.А., Тихонова Л.И. Применение генера­тивного искусственного интеллекта для авто­матизации администрирования сетей // Вест­ник университета. – 2026. – № 2. – С. 56–71.