AI がエッジ コンピューティングと IoT をよりスマートにする方法

[[391125]]

エッジで AI を導入すると、ネットワークの遅延と運用コストが削減されるだけでなく、セキュリティが向上し、分散インテリジェンスのパワーが発揮されます。

今日では、電球から車まで、多くのものが「スマート」デバイスと呼ばれています。これらのものの知能は、何らかの形の人工知能または機械学習技術から生まれます。

人工知能はもはや大規模なデータセンターに限定されません。これをネットワークのエッジに移動することで、企業はレイテンシを削減し、パフォーマンスを向上させ、帯域幅の要件を下げ、ネットワークに接続していなくてもデバイスが動作し続けるようにすることができます。

エッジで AI を使用する主な理由の 1 つは、すべてのデータを集中型のクラウド コンピューティング ソリューションと従来のデータ センターで処理しなければならない場合、生成されるデータの量が膨大になり、インターネットが麻痺してしまうことです。

「このデータすべてを集中型クラウドプラットフォームに送信して処理する必要性は、ネットワーク帯域幅と遅延によって制限されるだろう」とブーズ・アレン・ハミルトンの副社長、キ・リー氏は語った。

ボット攻撃への対処

Akamai のようにこの問題に直面している企業はほとんどありません。 Akamai は世界最大のコンテンツ配信ネットワークを運営しており、135 か国で約 325,000 台のサーバーを所有・運用し、毎秒 100 テラバイトを超えるトラフィックを配信しています。

Akamai の製品および業界マーケティング担当グローバル副社長であるアリ・ウェイル氏は、エッジコンピューティングがパフォーマンスとセキュリティの向上の鍵となると述べています。

ワイル氏はボットロボットがその一例であると指摘した。ボット攻撃は、自動化されたクレデンシャルスタッフィング攻撃やサービス拒否攻撃を通じて Akamai の顧客を標的とし、インターネット セキュリティを脅かす大きな問題となっています。さらに、大量の無駄なトラフィックでネットワークが詰まり、Akamai はさらなる損失を被りました。

サイバー犯罪者はボットを使用して、企業、研究機関、医療機関のサイバー防御を突破しようとします。彼らの攻撃は終わりがない。たとえば、最近ハッカーはボットを使ってワクチンの予約資格を盗み始めました。

Akamai の調査によると、同社のネットワークは 1 時間あたり 4 億 8,500 万件のボット リクエストと 1 日あたり 2 億 8,000 万件のボット ログイン試行を受信して​​います。 Akamai は、こうした脅威と戦うため、特定のユーザーが本物の人間かボットかを判断する AI を 2018 年にエッジに導入し始めました。

「我々はすぐに行動した」と彼は語った。 「たとえば、顧客のブラウザに何らかの処理を依頼する JavaScript の課題がありました。本物のブラウザでなければ、その処理は実行できませんでした。また、計算コストを高くしすぎてボット攻撃者を破産させようともしました。」

Akamai は、ボット攻撃の動作を特定し、より優れた機械学習モデルを開発するために、2019 年に集中型ディープラーニングの使用を開始しました。これらのモデルは、実際に作業を実行するためにエッジに配布されます。

AI は Akamai の脅威インテリジェンスの分析にも使用されます。 「これはビッグデータの問題だ」とワイル氏は語った。 「私たちは、巨大なデータレイクに大量のデータを集め、そのデータに対してさまざまなモデルを試して、悪意のあるシグネチャを見つけます。パターンを特定したら、それをプラットフォーム全体で使用します。」

メッセージは無害である場合もありますが、悪意のあるソースからのコマンド アンド コントロール トラフィックである場合があります。 「私たちは、特定の地域や特定の IP アドレスからのトラフィックを認識し、エッジで緩和技術を適用するようにエッジ モデルをトレーニングします」と Weil 氏は述べています。

最終的には、ボットやマルウェアからのトラフィックを運ぶ必要がなくなり、Akamai は多額の費用を節約できます。無駄な帯域幅に対して料金を支払う必要がないため、顧客はコストを節約できます。また、対処しなければならないボットやマルウェアのサンプルが少なくなるため、顧客のデータはより安全になります。

ワイル氏は、2020年第4四半期にアカマイが18億6000万件のアプリケーションレベル攻撃と700億件以上の認証情報不正使用攻撃をブロックしたと述べた。

エッジIoTの管理

エッジ AI は、IoT 戦略のデータとネットワーク負荷を軽減することもできます。 IoT デバイスは大量の情報を生成できますが、通常、その情報は日常的かつ反復的です。

「IoTデバイスは大量のデータを生成するため、すべてを調べて、システムに障害が発生している可能性を示す信号を探す必要がある」とワイル氏は語った。

このため、エッジに機械学習技術を導入し、重要な信号を理解して、顧客にデータを送信する前に前処理を行います。

たとえば、コネクテッドカーを考えてみましょう。都市から都市へ、あるいは標高や気候の異なる地域へ移動する可能性もあります。ただし、ある場所に適切な測定値が別の場所には適切ではない場合があり、また、データの急激な変化によって問題が示される場合もあります。ここで機械学習技術が重要になります。

「デバイスにインテリジェンスを導入することは、現在 IoT で最も成長している分野の 1 つです」と、IEEE 会員であり Centric Consulting のクラウド コンピューティングおよび新興テクノロジー部門の責任者である Carmen Fontana 氏は述べています。

自動運転車にはネットワーク遅延に関する厳しい要件があるものの、この問題は自動車業界だけでなく多くの業界で発生しています。 「車両が走行し、そのデータがデータセンターに送られて処理され、その後、判断結果が返されるまでには時間がかかりすぎる」と彼女は語った。

ただし、動きが遅いデバイスや静止しているデバイスでも、エッジでより多くの処理を行うことでメリットが得られます。

「よくある例としては、携帯電話やWiFiの電波が届きにくい遠隔地に太陽光パネルを設置することが挙げられます」と彼女は語った。 「データを処理してローカルで意思決定できることは非常に重要です。」

分散インテリジェンスにより、企業はデバイスから返されるメッセージ トラフィックを削減し、ネットワーク コストとエネルギー消費を削減することもできます。

「データストレージは高価で、エネルギー効率もあまり良くありません」と彼女は語った。 「転送や保存が必要なデータの多くを削減できれば、それは非常に優れた省エネ対策となるでしょう。」

AI は、デバイスに差別化された機能を提供するために、エッジでもますます使用されるようになっています。

「例えば、私は手首にスマートウォッチを着けていますが、これは心拍数や呼吸パターンなどの生理学的指標を感知します。運動をすると、運動の強度を計算できます」とフォンタナ氏は言う。

分散型AIの利点

エッジの AI 機能は、ネットワーク化されたデバイス全体にわたるインテリジェントな分散コンピューティング環境の構築に役立ちます。これは、その活用方法を知っている組織にとって独自の利点となります。

エネルギーおよび水管理技術の開発企業であるアイトロン社の情報管理成果担当ディレクター、ティム・ドリスコル氏は、公益事業業界の組織は分散型インテリジェンスの導入に熱心になるだろうと述べた。

「電力会社の配電網の末端に設置されたメーターには、スマートフォンに似たアプリプラットフォームが搭載されている」と彼は語った。 「これらのメーターは、変化する電圧や負荷条件に対応するために機械学習を使用します。これにより、メーターはグリッド制御のためのプロアクティブなリアルタイムの推奨事項を提供できるようになります。」

しかし、さらに興味深いのは、メーターが連携して、独自の通信ネットワークの動作、パフォーマンス、信頼性を学習できることです。

「これにより、集中的な分析の必要性がなくなり、ネットワーク管理が簡素化されます」と彼は語った。

電力システムが進化し、配電網に分散型発​​電がさらに含まれるようになると、エッジ コンピューティングの重要性が高まります。従来、電力網上で変数となるのはローカル負荷のみであり、その生成と流れは集中的に制御する必要がありました。現在、これら 3 つの要因はすべて変数です。

「これは、エッジ処理と機械学習によって駆動される自律的、ローカル、リアルタイムの応答の大きな推進力となる」とドリスコル氏は述べた。

ブーズ・アレン・ハミルトンのリー氏は、レイテンシの短縮とコスト削減に加え、AIと機械学習をエッジに導入することでAIの処理速度も向上できると述べた。これは、分散型エッジ AI がモデル キャリブレーションの頻度を最大化するためです。 「これにより、モデル開発のコストとスケジュールが削減されるだけでなく、モデルのパフォーマンスも向上します」と彼は述べています。

リスクと課題

しかし、エッジでの AI はリスクと課題ももたらすと Lee 氏は言う。これには、現在の標準の欠如も含まれます。

「エッジハードウェアデバイス、プロセッサチップセット、センサー、データ形式、プロトコルは多様で互換性がないことが多く、共通のオープンアーキテクチャを開発するためのより集中的な取り組みが必要だと考えています」と彼は語った。

さらに、この分野の多くのプレーヤーは、スケーラブルでも相互運用性も持たない、あるいは従来のソフトウェア配信モデルに基づいた単発のソリューションに重点を置いています。

「特定のデバイス向けに構築されたモノリシックなアプリケーションが依然として存在しています」と彼は語った。 「設計の観点から見ると、接続性が制限されると失敗する可能性がある典型的なハブアンドスポーク アーキテクチャも見られます。」

分散型 AI のもう 1 つの課題はサイバーセキュリティです。 「導入されるエッジデバイスの数が増えると、ネットワーク攻撃の対象領域が大幅に拡大する」と同氏は述べた。

2016 年に数十万台のデバイスを感染させた Mirai ボットネットなど、セキュリティ保護されていない IoT デバイスを悪用して攻撃を実行するサイバー攻撃者がすでに確認されています。IoT デバイスが普及し、よりスマートになるにつれて、それらがもたらすリスクも増大します。

1 つのアプローチは、問題に機械学習を適用し、それを使用して脅威を検出することです。しかし、エッジハードウェアは通常、より小型で、より多くのリソースを持ち、より多くのデータを処理する能力には限界があるとリー氏は指摘した。

キャップジェミニのエンジニアリングおよび研究開発事業の最高技術責任者、シャミク・ミシュラ氏は、AIベースのエッジコンピューティングがサイバーセキュリティに大きな変化をもたらすことができるのはマイクロデータセンターだと述べた。

同氏は、「脅威の検出、脆弱性管理、境界セキュリティ、アプリケーションセキュリティはエッジで解決でき、AIアルゴリズムを分散化して異常検出を通じて脅威を検出できます」と述べました。

ミシュラ氏は、セキュアアクセスサービスエッジなどの新しいテクノロジーも登場していると述べた。これらは、広域ネットワークとセキュリティ機能を組み合わせたものです。

「より多くの機能を配布すればするほど、ITシステムがサイバー攻撃にさらされる可能性が高まります」と彼は語った。 「したがって、エッジ コンピューティング アプリケーションでは、セキュリティを設計上の優先事項にする必要があります。」