IT服务安全性有很多层次。IT安全层； 防火墙，入侵检测和访问控制。基础设施层； 电力，网络，服务器的健康和冷却。而且，最重要的是人民层。正确的人员有正确的流程，工具和措施，以确保一切正常。人工智能（AI）将通过放大功能，精简流程和提高效率，对人们使用的工具和措施产生最大的影响。
人工智能和深度学习将成为解析和分析数据中心内生成的数据山的必要条件，从而更有效地管理服务提供，同时减少中断等风险。这源于我们最近如何提供应用程序工作负载的转变。
数据太多？
在过去十年中，我们从大多数单服务器单应用程序转移到以容器运行的分布式应用程序。这些现在由运行在内部和云端的微型服务提供 - 所有这些都由自动化工具管理。基础设施已成为应用程序的一部分，而其他应用程序已成为基础设施的一部分。如果您正在使用像Amazon S3或Google Maps这样的平台作为您的服务交付的一个组成部分，那么您正在经历这种转型。
对数据中心管理造成的影响是显著的，电力和制冷只是需要定期关注的一小部分。环境控制，物理设备，虚拟机和公共云都需要全天候进行监控和管理，以提高成本和性能。了解何时何地移动特定工作负载变得至关重要。
AI和深度学习将成为解析和分析数据中心内生成的数据山的必需品
企业今天收集，监测和分析数据以确保业务连续性的爆发。考虑从传感器，应用，门禁系统，配电单元，UPS，发电机和太阳能电池板产生的数据。添加到外部数据源，如应用程序漏洞信息，电力费率和天气预报。需要强大的数据中心基础架构管理（DCIM）工具来存储所有这些数据，进行分析并将其转化为可操作的智能。你可以尝试划分一部分，但是变得越来越困难。
AI和深度学习正在成为数据中心和关键基础设施管理的一部分。以下是一些较为显着的领域：
- 情境意识
主动仪表板具有趋势，相关性分析和推荐操作。
- 预防性维护
深度学习用于识别和关联预测电源，存储或网络连接故障的数据。这样，在进行维护的同时，运营商可以动员并主动将工作负载移至更安全的区域。
- 根本原因分析
机器学习用于跟踪几个服务的故障根本原因。这被学习并用于将来的预防性维护。
- 网络安全和入侵检测
机器学习和深层神经网络用于在应用传感器，访问控制系统和网络系统中发现异常模式，并提供更好的信噪比和主动缓解。学习神经网络用于不断提高企业的安全态势和管理相关问题的能力。
- 自动化
“窄AI”配备了各种自动减轻技术，并产生类似于汽车应用制动器的行动，如果它看到即将发生的碰撞。
深度神经网络和机器学习算法将随着时间的推移而改善，从而实现更高的效率和性能，以配合快速增长的应用工作负载 所有这一切都在眼前，毫无疑问，AI将对企业如何管理数据中心产生巨大的影响。
Rami Jebara
