SD-WAN需要應用指紋識別，而不是簽名和深度包檢測等技術來充分理解應用程序以及正確分類、排隊和安全所需的任何子特性，機器學習在該技術的未來叠代中也將是有益的。通過機器學習，可以實現定義和持續改進應用程序流指紋的可擴展方法，使自學習方法能夠準確理解網絡上的應用程序。

　　現有的跨私有企業連接以及更廣泛的Internet運行的應用程序，為此機器學習提供了密集的信息池，不僅提供有關現成應用程序的信息，還提供企業和服務提供商市場中定制開發應用程序的指紋。

　　讓我們在查看應用程序流時分解一個簡單的推理示例，我們將使用無處不在的NETFLIX基礎設施來了解流量。當用戶使用應用程序或網站時，CDN和Netflix之間以及最終用戶客戶端應用程序和CDN服務器之間會有幾種不同類型的信息流動。您有傳統的HTML和Javascript元素，高清視頻、標準清晰度視頻、診斷信息和其他各種流程，如果SD-WAN基礎設施無法區分不同類型的流，則很難為不同的視頻類型和其他流正確制定策略，通過觀察應用程序流程中涉及的端點，利用這種智能，可以更加輕松地對端點之間的所有流量進行正確分類，並將適當的排隊，QoS標記和優先級作為策略的一部分。如果通過CDN部署解決方案，它允許SD-WAN解決方案適應不斷變化的IP，它還允許更快地適應不斷變化的應用程序特性和功能，將自動提取適應，並應用適當的政策，這方面的一個主要例子是許多企業已經構建的自定義應用程序。如果您向軟件中添加聊天組件以便為您的客戶提供服務，那麽SD-WAN解決方案將會看到已從策略中已涉及的IP生成的新類型流量，然後通過檢查那個交通，它會將其添加為現有應用程序的子流程，其中可以應用適當的策略以滿足業務需求。如果流量屬於已知類型，則可以在識別時自動應用策略，一個主要的例子是，如果我們看到在數據中心內攜帶DSCP EF標記的流量被發送到遠程位置，可以安全地假設這是一種實時通信協議。

　　隨著第二代和未來的SD-WAN產品成熟，這些功能將成為必不可少的新增功能，一些供應商已經在尋求Gen 2 SD-WAN並接受這些變化，增加有關應用程序本機行為的信息將為WAN的管理和維護創建新的範例，獨立於傳輸的覆蓋的基本操作將開始***整個網絡環境。

行業見解?應用智能在SD-WAN中的重要性