Agent’s Day – CBComp 2002 Teses e Dissertações
DESENVOLVENDO AGENTES DE SOFTWARE PARA GERÊNCIA DE
REDES UTILIZANDO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL
Analúcia S. M. de Franceschi* Jorge M. Barreto**
[email protected] [email protected] Mauro Roisenberg**
[email protected]
* Doutoranda do Programa de Pós-Graduação em Engenharia Elétrica
Instituto de Engenharia Biomédica
** Departamento de Informática e Estatística, Laboratório de Conexionismo e Ciências Cognitivas
Universidade Federal de Santa Catarina
RESUMO
O presente trabalho apresenta uma metodologia para desenvolvimento de agentes de software inteligentes para gerência
de redes de computadores. Dois tipos de agentes são identificados a partir do enunciado do problema: agentes
inteligentes estáticos e agentes inteligentes dinâmicos. Agentes estáticos podem ser implementados utilizando-se
heurísticas obtidas através de um especialista ou administrador de redes de computadores. Este conhecimento será
utilizado para construir regras de produção ou redes neurais diretas. Ao contrário, para se construir agentes dinâmicos
utiliza-se exemplos obtidos da própria rede. É possível utilizar as cinco áreas funcionais propostas pelo modelo de
referência OSI para classificar a necessidade de agentes estáticos ou dinâmicos.
Palavras-chave: Agentes de Software, Técnicas de Inteligência Artificial, Redes Neurais, Gerência de Redes.
ABSTRACT
This work presents a methodology to develop intelligent agents for network management. Two distinct kinds of
intelligent agents were identified: static or dynamic agents. The first one can be implemented, using heuristics obtained
from an expert or the network administrator, through production rules or feed forward neural networks. Using the
network examples we can construct dynamic agents. The neural network may be trained to solve a problem using some
examples. We divided the network management in the five functional areas proposed by OSI Model Reference. Thus,
each area has a different intelligent solution.
Key-words: Software Agents, Artificial Intelligence Techniques, Neural Networks, Network Management.
1 INTRODUÇÃO
Existem várias abordagens na área de Inteligência Artificial (IA), nas quais variam a
manipulação do conhecimento, no sentido de como adquiri-lo, armazená-lo e empregá-lo.
Classificando a IA quanto ao método de solução de problemas tem-se a IA Simbólica (IAS), a IA
Agent’s Day – CBComp 2002 Teses e Dissertações
Conexionista (IAC), a IA Evolucionária (IAE) e a IA Híbrida (IAH) BARRETO (2001). Quanto a
localização espacial tem-se ainda a IA Monolítica (IAM) e a IA Distribuída (IAD) BARRETO
(2001). A IAS possui como ferramenta básica para manipular o conhecimento a lógica, com suas
regras de inferência inspiradas nos silogismos enunciados há mais de 2.000 anos por Aristóteles
BARRETO (2001). A IAC usando redes neurais artificiais (RNAs), aplica-se a problemas mal
definidos, mas que são conhecidos através de exemplos. Entre os campos de aplicações de técnicas
conexionistas, das quais destacam-se as RNAs, estão: reconhecimento de padrões; controle de
processos industriais; robótica; e também, como opção às técnicas de raciocínio baseado em casos
para a resolução de problemas. Na IAE, os mecanismos utilizados são os mesmos encontrados na
evolução biológica. É um exemplo de solução de problema bem definido de sobrevivência de uma
espécie em ambiente variável. Pode ser encarada como um método de otimização com restrições
variáveis e muitas vezes desconhecidas. A IAH reúne vantagens de mais de um tipo de método de
abordagem para a resolução de problemas. A IAM é o modo de implementar soluções de IA como
uma unidade indivisível. Muitas vezes são sistemas simples sem modularidade, como é o caso de
muitos sistemas especialistas que utilizam uma base de conhecimento única e podem funcionar em
um computador. O funcionamento da IAD depende de um determinado conjunto de partes (ou
módulos), que funcionam de modo relativamente independente, para resolver de modo cooperativo
um determinado problema. Tradicionalmente a IAD começou a ser usada empregando o paradigma
conhecido como do “quadro negro”. Neste paradigma a comunicação entre cada módulo se faz
imitando uma empresa em que todos os funcionários se comunicam por mensagens deixadas em um
quadro negro. Todos lêem e podem escrever no quadro, mas não tomam conhecimento de nada
mais do que o foi ai escrito. Um modelo mais cooperativo é o de agentes.
Inteligência Artificial
(IA)
Quanto ao método Quanto a localização
de solução espacial
Simbólica Conexionista Evolucionária Monolítica Distribuída
(IAS) (IAC) (IAE) (IAM) (IAD)
Híbrida
(IAH)
Figura 1: Várias abordagens de IA
Agent’s Day – CBComp 2002 Teses e Dissertações
O presente trabalho está organizado em seis seções. Uma classificação sobre agentes na
área de redes de computadores, considerando a presença ou não de técnicas de IA, é apresentada na
Seção 2. A terceira seção descreve as cinco áreas funcionais de gerência de redes e como
identificar problemas estáticos ou dinâmicos em cada uma delas. As técnicas de IA que podem ser
utilizadas para desenvolver agentes inteligentes estáticos e agentes inteligentes dinâmicos são
discutidos nos itens 3.1 e 3.2. A Seção 4 apresenta o sumário e os trabalhos futuros. Seguem os
agradecimentos e as referências bibliográficas.
2 CLASSIFICAÇÃO DE AGENTES
Na literatura, é possível encontrar diferentes conceituações para o paradigma de agentes.
Em Franklin & Graesser (1996), são citados diversos autores que classificaram os agentes sob
diversos aspectos, entre eles destacam-se: estruturas de controle, ambientes (bases de dados,
sistemas de arquivos, redes, Internet), linguagens ou aplicações. O autor apresenta uma taxonomia
de modo a distinguir agentes de simples programas. No presente trabalho, se segue a classificação
baseada no comportamento dos agentes ROISENBERG, BARRETO, & AZEVEDO (1997). Esta
conceituação moderna usa conceitos da Teoria de Automata e é adequada para agentes envolvidos
em gerência de redes de computadores.
Os agentes de software podem ser encontrados em uma série de aplicações. Em alguns
casos são desenvolvidos com o auxílio de técnicas de IA, em outros não. O comportamento passivo
foi atribuído àqueles agentes que não possuem autonomia e não utilizam técnicas de IA.
Assemelham-se a simples programas e são construídos através de instruções. É o caso de agentes e
gerentes de gerência de redes. Os agentes normalmente coletam informações dos objetos
gerenciados e repassam aos gerentes. Estes por sua vez realizam operações sobre os agentes
instruídos por um administrador de redes humano.
Os agentes de software desenvolvidos com o auxílio de técnicas de IA podem ser ativos ou
autônomos. Os agentes ativos são desenvolvidos com o auxílio de heurísticas. Na área de gerência
de redes, estas heurísticas são fornecidas pelo administrador da rede. Servem para definir regras de
produção ou redes neurais diretas para auxiliar na solução dos problemas, conhecidos como
sistemas de raciocínio lógico e fazem parte da IAS. Assemelham-se aos sistemas especialistas e não
possuem autonomia.
Agent’s Day – CBComp 2002 Teses e Dissertações
Agentes de
Software
Sem Técnicas de I.A. Com Técnicas de I.A.
Passivos Ativos Autônomos
Baseado em Instruções Heurísticas Baseado em Casos
Sistemas Redes Neurais Raciocínio Baseado
de Raciocínio Lógico (IAC) em Casos por
(IAS) abordagem simbólica
Redes Neurais Redes Neurais
Estáticas Dinâmicas
Figura 2: Paradigma de agentes
Existem vários conceitos para agentes autônomos na literatura. Adotar a conceituação
proposta por Roisenberg, Barreto & Azevedo (1997) baseada na Teoria de Automata, permite
classificar os agentes autônomos em estáticos e dinâmicos. O primeiro passo para desenvolver este
tipo de agente é coletar exemplos de como deve ser seu funcionamento. No caso de se desejar
implementar o agente por uma rede neural, estes exemplos servirão para treinar a rede. Se o
problema for de caráter estático treina-se uma rede neural direta. Caso contrário, deve-se utilizar
uma rede neural dinâmica. Estes dois casos serão discutidos com maiores detalhes na próxima
seção.
Outra possibilidade é desenvolver um sistema de raciocínio baseado em casos (RBC),
utilizando a abordagem simbólica. RBC é um caso particular do raciocínio por analogia, resultado
das pesquisas realizadas por Roger Shank da Universidade de Yale AZEVEDO et al. (1991)
SIGAKI (1997). Neste caso, tem-se uma coleção de casos resolvidos de um mesmo problema e
dado um novo caso, deseja-se saber como resolvê-lo. Seguindo a heurística de desprezar
inteligentemente casos, escolhe-se uma distância entre casos e despreza-se todos os que estão mais
distantes do exemplo a resolver, retendo-se ao mais próximo. A solução do novo caso será a solução
do caso mais próprio. A grande desvantagem deste tipo de sistema á determinação de um sistema
métrico apropriado. Ao contrário, em redes neurais existe uma função que caracteriza o problema
conhecido através dos exemplos (BARRETO, 2001).
Agent’s Day – CBComp 2002 Teses e Dissertações
3 AGENTES INTELIGENTES EM GERÊNCIA DE REDES
Entre as principais dificuldades em se automatizar o processo de gerência de redes
destacam-se a complexidade e a manipulação do volume de informações. No sentido de minimizar
a complexidade da gerência de redes, a ISO/OSI subdividiu-a em cinco áreas funcionais: gerência
de falhas, gerência de configuração, gerência de desempenho, gerência de contabilização e gerência
de segurança (BRISA, 1993) (LEINWAND & CONROY, 1996).
A gerência de falhas é o processo de localizar problemas, ou falhas, em uma rede de dados.
Envolve as tarefas de descobrir o problema, isolá-lo e solucioná-lo quando possível. Entre as causas
mais prováveis para falhas em uma rede estão: erros de projeto e implementação da rede, erros de
sobrecarga, distúrbios externos, tempo de vida útil de equipamentos expirado e má implementação
de softwares (famosos “bugs”). Uma gerência de falhas bem projetada aumenta a confiabilidade na
rede fornecendo ferramentas ao administrador da rede que auxiliem a detectar os problemas e
iniciar os procedimentos de recuperação.
A gerência de configuração é o processo que determina e configura os dispositivos que
controlam a rede. Roteadores, pontes (“bridges”, em inglês), terminais e servidores são exemplos
destes dispositivos.
A gerência de desempenho deve assegurar que a rede tenha capacidade para suportar e
acomodar uma certa quantidade de usuários. Ou seja, ela é extremamente necessária para otimizar a
qualidade do serviço. Este processo mede o desempenho dos equipamentos e softwares disponíveis
através de registros de algumas taxas de medidas. Exemplos destas taxas são vazão (“throughput”),
taxas de erros, taxas de utilização e tempo de resposta.
Determinar quais os recursos e a forma que estão sendo utilizados pelos usuários é tarefa
da gerência de contabilização. Além disso, este processo auxilia a assegurar que os usuários tenham
acesso a quantidade suficiente dos recursos disponíveis. Envolve também, garantir ou remover
permissões de acesso à rede.
A gerência de segurança é o processo que controla o acesso às informações disponíveis na
rede. Existem informações armazenadas em computadores ligados à rede que são impróprias a
Agent’s Day – CBComp 2002 Teses e Dissertações
todos os usuários. O conjunto de senhas que permitem o acesso à rede é um exemplo de
informações que devem ser bem protegidas. A gerência de segurança permite ainda que o
administrador monitore as tentativas de entrada na rede.
Analisou-se cada uma destas áreas considerando-se suas características estáticas ou
dinâmicas, e conforme o tipo de comportamentos para solucionar os problemas: reativo ou pró-
ativo. A primeira preocupação é definir o problema. Um problema pode ser modelado como o
objeto matemático P = <D, R, q>, consistindo de dois conjuntos não vazios, D os dados e R os
resultados possíveis e de uma relação binária q ⊂ D x R, a condição que caracteriza uma solução
satisfatória, associando a cada elemento do conjunto de dados a solução única desejada. O problema
pode ser representado matematicamente por uma função. Resolver o problema será então encontrar
um modo de implementar esta função ou de aproximá-la com o conhecimento que se dispõe.
Após a definição do problema é necessário definir o comportamento de gerência que será
adotado: reativo quando as ações de gerência são realizadas após o aparecimento de algum
problema; ou, pró-ativo no caso de se adotar um gerenciamento com ações preventivas. Outra
questão, é determinar se a solução do problema deve ter características estáticas ou dinâmicas.
Estáticas quando não existe o conceito de estado, e dinâmicas quando forem identificados trocas de
estados na solução do problema.
Com base na metodologia apresentada anteriormente, indica-se as seguintes aplicações
para as cinco áreas funcionais de gerência de redes definidas pelo modelo de referência OSI
(MOTOROLA CODEX, 1993).
Área Funcional Comportamento da Gerência Características
Reativa Pró-ativa Estáticas Dinâmicas
Falhas
Desempenho
Configuração
Contabilização
Segurança
Tabela 1: Caracterização das áreas funcionais de gerência de redes
A gerência de falhas pode assumir os dois tipos de comportamento. Reativo no caso de
falhas impossíveis de se prevenir, como é o caso das falhas provocadas pela ação do ambiente ou
Agent’s Day – CBComp 2002 Teses e Dissertações
provocadas pela má qualidade de peças e equipamentos utilizados. Ou poderá ser pró-ativo no caso
de falhas relacionadas ao desempenho da rede, como por exemplo a sobrecarga da rede. Estes
comportamentos poderão ter problemas de caráter estático ou dinâmico.
A gerência de desempenho deve ser pró-ativa em todos os seus aspectos. É uma forma
preventiva de garantir a qualidade do serviço oferecido aos usuários. A gerência de configuração
normalmente é reativa com características dinâmicas. O dinamismo é identificado pelo crescimento
do número de equipamentos e de usuários que altera o estado da rede. A Gerência de
Contabilização é estática e reativa. A gerência de segurança pode ser tanto reativa quanto pró-ativa.
Contém características dinâmicas, uma delas é o controle de acesso que é diretamente ligado ao
número de usuários. Com esta interpretação é possível definir se o problema a ser resolvido
necessita de agentes autônomos estáticos ou dinâmicos.
3.1 AGENTES INTELIGENTES ESTÁTICOS
Para desenvolver Agentes Inteligentes Estáticos (AIE) busca-se normalmente heurísticas
para a solução do problema. Ou seja, uma forma declarativa de resolver uma função, apresentando
as propriedades que devem ser satisfeitas para solucionar o problema. Normalmente, extrai-se o
conhecimento com o auxílio de um especialista, neste caso, será o administrador de redes. Sua
tarefa é indicar quais os sintomas para diagnosticar determinados problemas, e sugerir as possíveis
soluções. Assim, tem-se o conjunto dos dados, o conjunto das possíveis soluções e a relação entre
eles de forma bem definida. Estas informações serão utilizadas para treinar uma rede neural direta
(paradigma conexionista) ou poderão ser traduzidas para regras de produção (paradigma
simbólico).
As redes neurais diretas são estáticas, não possuem ciclos e são representadas por camadas.
Normalmente, possuem camadas de entrada, intermediária e de saída. Além disso são as mais
populares, principalmente por existirem métodos de aprendizado fáceis de usar, o mais conhecido é
o da retropropagação (“backpropagation”, em inglês) (BARRETO, 2001).
Koch BOGONIKOLOS, FRAGOUDIS & LIKOTHANASSIS (1999) apresenta agentes
autônomos para gerência de redes utilizando regras de produção e uma pequena biblioteca para
programação de uma rede neural direta.
Agent’s Day – CBComp 2002 Teses e Dissertações
3.2 AGENTES INTELIGENTES DINÂMICOS
Agentes Inteligentes Dinâmicos (AID) podem ser desenvolvidos com o auxílio de
exemplos. Através de exemplos tem-se uma representação indireta do problema, ou seja, apenas a
definição do problema é conhecida para um subconjunto de dados possíveis. Problemas dinâmicos,
só podem ser “bem resolvidos” se forem utilizadas redes neurais artificiais com características
dinâmicas.
Para incluir dinamismo a uma solução conexionista, deve-se:
• Inserir linhas de atrasos após a camada de entrada em redes neurais diretas;
• Utilizar redes com ciclos e neurônios dinâmicos: redes recorrentes ou redes de
Hopfield;
Deseja-se então, conhecer os elementos do conjunto de respostas admissíveis para todos os
elementos do conjunto de dados, mesmo aqueles que não estão incluídos na definição da função. Os
exemplos, portanto, são utilizados para treinar uma rede neural com algoritmo supervisionado e
obter os valores estimados da solução para os outros valores, utilizando a propriedade de
generalização. Neste trabalho utiliza-se redes recorrentes ROISENBERG, BARRETO &
AZEVEDO (1997). As redes neurais recorrentes ou recursivas são redes com ciclos e neurônios
dinâmicos, esta dinâmica é provocada pelo retardo entre a saída do neurônio e sua entrada
BARRETO (2001). Através desta topologia de rede neural é possível estimar o conjunto de estados
a partir de um padrão de entrada e saída. Estes padrões são fornecidos por uma coleta de exemplos
sobre o problema de gerência a ser solucionado.
Este tipo de solução é adotado quando o problema é mal definido, mas é conhecido através
de exemplos. É o mesmo caso de técnicas topológicas de raciocínio baseado em casos, só que neste
caso existe o problema de encontrar os pesos das diferenças entre os casos. Por exemplo, tempo de
resposta longo em uma rede de computadores pode significar vários tipos de falhas. Fazendo uma
analogia a sistemas médicos, vários tipos de doenças têm como sintoma febre alta. A maior
limitação desta técnica é como diferenciar o peso de cada sintoma para cada doença.
Agent’s Day – CBComp 2002 Teses e Dissertações
4 SUMÁRIO E TRABALHOS FUTUROS
O presente trabalho apresentou uma metodologia para desenvolvimento de agentes de
software inteligentes para gerência de redes. Dois tipos de agentes foram identificados a partir do
enunciado do problema. Se o problema possui características estáticas existem heurísticas para
solucioná-lo. As heurísticas podem ser extraídas do conhecimento de um especialista, neste caso, o
administrador da rede. Caso contrário, utiliza-se exemplos da rede em questão para determinar
padrões de entrada e saída. Estes padrões serão fornecidos a uma rede neural recorrente encarregada
de estimar as trocas de estado para alcançar a solução do problema.
A implementação dos agentes está sendo desenvolvida em JAVA. O ambiente desta
linguagem é naturalmente distribuído e integra de forma natural os aspectos de segurança. A
vantagem principal é a possibilidade de definir os agentes de forma independente, não proprietária a
nenhuma plataforma de gerência de redes ou de sistema operacional e processador (LEMAY &
PERKINS, 1996).
Como trabalhos futuros pretende-se desenvolver classes de objetos para linguagem JAVA
para auxiliar no desenvolvimento de agentes inteligentes estáticos e dinâmicos para gerência de
redes de computadores. Pretende-se integrar estes objetos às plataformas de desenvolvimento de
agentes em JAVA existentes no mercado, tais como o Java Dynamic Management Kit – JDMK (da
Sun) ou aos agglets (da IBM).
5 AGRADECIMENTOS
Agradeço ao Conselho Nacional de Pesquisa e Desenvolvimento Tecnológico (CNPq) –
Ministério da Ciência e Tecnologia pelo apoio financeiro, através de Bolsa de Formação de
Pesquisador I (Doutorado) para a realização do presente trabalho.
6 REFERÊNCIAS BIBLIOGRÁFICAS
AZEVEDO, F. M. de; et al. Two Approaches in Case-Based Connectionist Expert Systems. In:
AINN'91, 1991, Artificial Intelligence and Neural Networks. Ahnahaim, Calgary,: Acta Press,
M. H. Hanza (editor), 1991. p. 13-17.
BARRETO, J. M. Inteligência Artificial no limiar do Século XXI - Abordagem Híbrida
Simbólica, Conexionista e Evolucionária. 3a edição ρρρ Edições, Florianópolis, 2001.
Agent’s Day – CBComp 2002 Teses e Dissertações
BOGONIKOLOS, N.; FRAGOUDIS, D.; LIKOTHANASSIS, S. “ARCHIMEDES: An Intelligent
Agent for Adaptative – Personalized Navigation within a WEB Server”. In: Proceedings of the
32nd Hawaii International Conference on System Sciences, IEEE Press, 1999.
BRISA. Gerenciamento de Redes – Uma abordagem de sistemas abertos. Makron Books do
Brasil ed. : São Paulo, 1993.
COVACI, S.; ZHANG T.; BUSSE, I. Java-based Intelligent Mobile Agents for Open System
Management. In: Proceedings of the 9th International Conference on Tools with Artificial
Intelligence, ICTAI’97, IEEE Press, 1997.
FRANKLIN, S.; GRAESSER, A. “Is it an Agent, or just a Program?: A Taxonomy for Autonomous
Agents”, In: Proceedings of the 3rd International Workshop on Agents Theories, Architectures
and Languages, Springer, 1996.
KOCH, F. Agentes Autônomos para Gerenciamento de Redes de Computadores. Dissertação
de Mestrado (CPGCC, UFSC), Florianópolis, 1997.
KURFESS, F.J.; SHAH, D.P. Monitoring Distributed Process with Intelligent Agents. In:
Proceedings of IEEE Conference and Workshop on Engineering of Computer-Based Systems,
ECBS’98, IEEE Press, 1998.
LEINWAND, A.; CONROY, K. F. Network Management – A Practical Perspective. Addison-
Wesley, 2nd ed., 1996.
LEMAY. L.; PERKINS, C. L. Teachyourself JAVA in 21 days. SamsNet Publishing, 1996.
LESSER, V.R. Cooperative Multiagent Systems: A Personal View of the State of the Art. IEEE
Transactions on Knowledge and Data Engineering, vol. 11, no. 1, Jan./Fev., 1999. Pp.133-142.
MINSKY, M.L., PAPERT, S. A. Perceptrons: an introduction to computational geometry,
MIT Press, 1988.
MOTOROLA CODEX. The Basics Book of OSI and Network Management. Motorola
University Press, Addison-Wesley, 1993.
NISSEN, M.E. “An Intelligent Agent for Web-based Process Redesign”. In: Proceedings of the
32nd Hawaii International Conference on System Sciences, IEEE Press, 1999.
PINHEIRO, R.; POYLISHER, A.; CALDWELL, H. Mobile Agents Aggregation of Network
Management Data. In: Proceedings of First International Symposium on Agent Systems and
Applications – Third International Symposium on Mobile Agents, 1999.
ROISENBERG, M. Emergência da Inteligência em Agentes Autônomos através de Modelos
Inspirados na Natureza. Tese de Doutorado (PPGEEL, UFSC), Florianópolis, 1998.
Agent’s Day – CBComp 2002 Teses e Dissertações
ROISENBERG, M., BARRETO, J. M, de AZEVEDO, F. M. Uma Proposta de Modelização para
Agentes Autônomos Baseada na Teoria de Sistemas. In: Anais do 3o Simpósio Brasileiro de
Automação Inteligente, Vitória, ES, 1997. pp.500-507.
SIGAKI, N. A. Estudo da Influência de Bases de Casos em Redes IAC (Interative Activation
and Competion) na Implementação de Sistemas Especialistas. 1997. Dissertação (Mestrado em
Engenharia Elétrica) - Universidade Federal de Santa Catarina. (orientanda do Fernando)
