您需要哪些以及它们应该放在哪里?
每一代新的应用架构都会对网络流量产生影响。 我们关注这一点,因为应用架构的每一次重大转变都会在应用交付和安全性方面发生互补性的转变,以应对出现的挑战。
深入研究这些转变和网络响应以应对运营挑战,值得注意的是,人工智能应用并没有带来任何新的挑战。 当然,规模、性能、安全性和复杂性都在增加,但这些都是我们十多年来一直在解决的挑战。
但人工智能确实改变了工作量和流量模式的分配。 这很重要,因为网络流量的大部分是应用流量,而且越来越多的是 API 流量。 这就是不同之处。 了解核心、云和边缘之间的新流量模式和分布,可以深入了解您需要哪些应用交付和安全服务,以及将它们放在哪里才能获得最大的影响和效率。
值得注意的是,人工智能应用的一个最显著后果是电子战和神经战流量的增加,其中大部分神经战流量源自人工智能,因此除了传统的入站神经战数据路径之外,还引入出站神经战数据路径作为战略控制点。
未来 2-3 年,人工智能应用将成为现有产品组合的补充,随着企业了解消费者对 NLI(自然语言界面)的需求,整合将会发生。
NS数据路径上分布的不断增加将推动对企业边界安全即服务的需求增加,而跨环境的 EW数据路径上分布的不断增加则推动了对多云网络的需求。 从内部来看,电子战数据路径上的数据的敏感性正在加速对安全性和访问能力的需求。
结果是在 AI应用架构中出现了两个新的插入点,应用交付和安全性将变得非常有价值,同时也提供了一个重新考虑在何处部署应用交付和安全性的机会,着眼于效率、降低成本和功效。
鉴于我们开始看到针对推理服务器记录的 CVE ,这一点很重要。 这是“模型”层的服务器部分,通过 API 与客户端进行通信。此处 API 安全性的使用对于整体 AI安全策略非常重要,因为在这里可以最好地部署检查、检测和保护 AI 模型和服务器免受攻击的能力。 它是“最后一道防线”,并且,鉴于可编程 API 安全解决方案,这是减轻针对 AI 模型的新攻击的最快手段。
您可能还记得这篇关于AI 推理模式的文章,其中我们展示了当今 AI 推理的三种主要部署模式。 基于这些模式,我们可以在这个扩展的架构中确定应用服务的六个不同的插入点,并确定这些服务的最佳部署位置,以优化安全性、规模和效率。
现在,事实是大多数应用交付和安全服务都可以部署在任何这些插入点。 例外是那些专门设计用于与环境集成的服务,例如入口控制器和服务网格,它们与 Kubernetes 部署绑定。
关键是要确定可以最大化变量(功效、效率和成本)的插入点。 这不仅包括所述服务的运营成本,还包括在 IT 领域更深入地处理该流量相关的成本。
尽管存在将应用交付和安全性与插入点相匹配的最佳实践(因此提到了每个实践的具体服务),但总是存在偏离的理由,因为没有两个企业架构是相同的。 这也是应用交付和安全性可编程的主要原因之一;因为没有两个环境、应用或网络是相同的,并且针对独特用例进行定制的能力是一项关键能力。
跨环境和插入点的应用交付和安全需求是 F5 坚持支持在每个环境中尽可能多的插入点部署应用交付和安全的原因。 因为这就是我们确保组织能够优化功效、效率和成本的方式,无论他们如何构建其环境、应用和网络。