네트워크 관리를 위한 AI 기반 챗봇

솔루션 개요

통신 서비스 제공자(CSP)는 원활하고 중단 없는 운영을 보장하기 위해 수십억 개의 연결된 장치에서 생성되는 대량의 데이터를 관리 . 이를 달성하기 위해 지연 시간 같은 중요한 성능 지표 모니터 , 네트워크 혼잡 시 안정성을 유지하며, 강력한 보안 조치를 적용하여 사이버 공격으로부터 보호하는 데이터 집약적인 네트워크 관리 시스템에 의존합니다.

이러한 작업의 복잡성과 확장하다 인식하고 있는 당사의 솔루션은 인공 지능과 MongoDB 통합하여 네트워크 관리 자동화하고 사업자의 워크플로를 크게 간소화할 수 있는 혁신적인 힘을 강조합니다. MongoDB 대규모 언어 모델(LLM)과 병합하고 검색 보강 생성(RAG) 전략을 채택하여 네트워크 운영을 정보에 입각한 대화형 시스템으로 변환하는 AI 지원 챗봇을 개발했습니다. 이 챗봇은 MongoDB 에 저장된 네트워크 로그, 유지 관리 기록, 고객 데이터, 센서 데이터 활용하여 이상 감지, 근본 원인 분석, 완화 권장 사항 등에 대한 실행 가능한 인사이트를 제공합니다.

이 접근 방식을 통해 네트워크 사업자는 사람의 개입을 최소화하면서 복잡한 워크플로를 관리 할 수 있으므로 새로운 서비스의 출시를 앞당기고 자율 네트워크를 통해 CSP의 연간 수익 최대 5% 증가시킬 수 있습니다.

참조 아키텍처

MongoDB 사용

이 솔루션에는 세 가지 주요 구성 요소가 있습니다.

그림 1. MongoDB 사용한 네트워크 챗봇 아키텍처

1. 소스 데이터 수집: 네트워크 관리자는 데이터를 쿼리하기 전에 로그 항목과 원격 측정 이벤트를 실시간 수집하여 IP 주소, 지리적 데이터, 요청 경로, 타임스탬프, 라우터 로그 및 센서 데이터 와 같은 세부 정보를 캡처해야 합니다. 이 아키텍처는 MongoDB의 스트림 처리 기능을 활용하여 수신 데이터를 자동으로 캡처하고 MongoDB Atlas 로 프로세스 네트워크 활동에 대한 포괄적인 뷰를 생성합니다. 그런 다음 이 풍부한 데이터 세트는 의사 결정을 위해 RAG 아키텍처 내에서 활용됩니다.

2. 질문 기반 데이터 선택: 이 솔루션의 두 번째 구성 요소는 "토론토에서 클라이언트의 비디오 스트리밍 문제를 일으킬 수 있는 원인은 무엇인가요?"와 같은 네트워크 관리자의 질문을 해결합니다. 이 쿼리 LLM이 분석에적합한 데이터를 선택하기 위해 사용자 지정 집계 파이프라인 생성하는 초기 처리 거칩니다. 동시에 시맨틱 검색 통해 벡터가 포함된 데이터를 효율적으로 검색하여 밀접하게 관련된 정보를 추출할 수 있습니다.

3. 추론 및 언어 출력: MongoDB 관련 데이터를 식별하면 후속 LLM은 이 정보를 사용자를 위한 언어 설명으로 변환합니다. 이 프로세스 진행되는 동안 LLM은 검색된 데이터를 분석하여 패턴과 이상 징후를 감지하여 근본 원인 후보를 정확하게 식별하고 정보에 입각한 의사 결정을 지원합니다. 예시 를 들어, 로컬 CDN 노드 과부하와 이전 라우터의 높은 요청이 문제를 일으키고 있음을 발견할 수 있습니다.

데이터 모델 접근 방식

이 솔루션은 다음 MongoDB 스키마 사용하여 Time Series 데이터 로 구성된 서버 네트워크 로그를 활용합니다.

{
   "_id": ObjectId("..."),
   "source_id": 12345,
   "source_type": "webserver",
   "timestamp": ISODate("2025-02-19T15:12:57.000Z"),
   "category": "accesslog",
   "event": "GET",
   "value": { "type": "url", "data": "https://mytv.telco.com/login" }
}

솔루션 구축

이 AI 기반 네트워크 관리 솔루션은 MongoDB Atlas 와 함께 RAG 프레임워크 사용하여 복잡한 통신 환경에서 데이터 기반 진단을 향상합니다.

그림 2. 네트워크 챗봇용 프론트엔드

주요 학습 사항

• MongoDB 와 gen AI 네트워크 관리 혁신합니다 : LLM을 집계 파이프라인 및 벡터 검색 과 같은 MongoDB의 기능과 통합하면 사람의 개입을 줄이고 프로세스를 최적화하며 궁극적으로 중요 작업을 자동화하여 네트워크 관리 효과적으로 간소화할 수 있습니다.

• 데이터 관리 매우 중요합니다: 네트워크 관리 시스템은 네트워크 로그와 사용자 요청에서 막대한 양의 데이터를 생성하므로 데이터 상호 운용성, 개인정보 보호 및 효율적인 처리 면에서 상당한 과제가 발생합니다. 효과적인 솔루션을 위해서는 빈번하고 복잡한 데이터 스트림을 저장 하고 처리하다 할 수 있는 유연하고 확장 가능한 데이터베이스가 필요합니다.

• MongoDB AI 기반 솔루션을 구동할 수 있는 도구를 제공합니다. 유연한 문서 모델 및 고급 벡터 검색 기능이 결합된 강력한 데이터베이스 인프라를 통해 CSP는 AI 애플리케이션을 효율적으로 개발할 수 있습니다. 특히 벡터 검색 의미적으로 관련 있는 콘텐츠의 검색을 간소화하여 챗봇 기술을 지원하는 LLM의 성능을 향상시킵니다.

사용된 기술 및 제품

저자

• Benjamin Lorenz, MongoDB

• Diego Canales, MongoDB