1、.网络异常流量检测
计算机网络是现代人生活中不可或缺的一部分，随着网络技术的不断发展和网络拓扑结构的日益复杂，这种新鲜的生活方式给人们带来了极大便利，同时也带来了威胁。
手机监听、数据泄露、钓鱼攻击等大规模的网络威胁事件层出不穷，无论是对国家的经济，还是对人们的生活都产生了严重的影响，网络安全问题逐渐成为人们关注的问题。
目前，人工智能已经应用于恶意代码检测、恶意流量监测、威胁情报收集、软件漏洞挖掘等网络安全领域。
网络异常流量检测思想原理的第一步是获取和分析网络上传输的原始数据，当网络中出现攻击的时候，网络流量就会发生不正常的变化，以之前网络正常流量为安全基线对网络中的各个设备进行实时监测，对异常流量进行告警，并记录在告警日志中，并对网络发生的错误和攻击进行监测和隔离，为用户提供安全可靠的服务。
2、.智能运维
智能运维的主要作用是进行实时监控、实时报警、异常检测、故障根源分析和趋势预测等。通过同步运维数据，将平台数据集中起来进行优化，分析和处理海量的数据，达到动态监控的目的，从多维度、多数据源对现场操作和维护指标的特征进行记录，实时预警，及时对关键的监测点制订动态检查计划。
数据挖掘技术可以提早发现，并主动预防可能出现的问题，以达到提升运维效率的目的。
3、.故障溯源
近年来，电信网络系统的规模逐渐扩大，复杂度也相应提升，使得运维人员必须要面对各种各样高度集成的设备产生的大量实时信息，这导致维护变得越来越繁重和复杂。
运维人员无法在现有系统的帮助下及时发现和解决异常情况下的问题，导致问题不断传播，甚至升级，最终影响所有业务的完成。
发现问题、分析问题根源、得出解决方案都需要一定的时间，如果问题得不到及时解决，问题带来的影响可能有扩大化的趋势。人工智能技术可以全局监控通信网络，及时发现和处理可能出现的问题，对报警中的关键信息进行适当的分析和处理，并确保灵活的信息过滤和可追溯性。
通过对告警信息进行过滤、匹配，确定并分类、关联，屏蔽低级别报警，及时诊断网络故障，协调通信服务模式和网络拓扑结构，并准确定故障。建立故障分析模型，最终实现可追溯性。
