В данной статье рассматривается концепция и архитектура сетей, определяемых знаниями ‒ новой парадигмы управления сетями, которая интегрирует искусственный интеллект и машинное обучение для обеспечения интеллектуального и адаптивного поведения сети.Актуальность исследования обусловлена ограничениями традиционных и программно-определяемых сетей в условиях современных вызовов, таких как экспоненциальный рост трафика, динамичные условия и увеличение операционных затрат. Рассматриваемые в исследовании сети вводят плоскость знаний, что позволяет оптимизировать распределение ресурсов, автоматизировать принятие решений и повышать безопасность в режиме реального времени. Несмотря на то, что сегодня большой популярностью пользуется технология SDN (Software-Defined Network), в которой централизованная функция управления позволяет обозревать все процессы, происходящие в сети. В свое время ее появление действительно оказалось прорывом, и сейчас некоторые эксперты склоняются к тому, что следующим этапом эволюции сетей станет Knowledge-Defined Network – сеть, определяемая знаниями, действующая на основе алгоритмов машинного обучения. Маршрутизация, распределение ресурсов, виртуализация сетевых функций (Network Functions Virtualization, NFV), цепочка сервисных функций (Service Function Chaining, SFC), обнаружение аномалий, анализ загруженности сети – все эти пункты способна взять на себя KDN.Цель исследования заключается в изучении структурных и функциональных особенностей сетей, определяемых знаниями, а также ‒ в анализе взаимодействия пяти логических плоскостей: данных, управления, мониторинга, знаний и приложений ‒ для достижения высокой степени автоматизации и адаптации.Методы включают анализ научной литературы, концептуальное моделирование и сравнительную оценку архитектур определяемой знаниями сети и программно-определяемой сети.Результаты. В ходе исследования была проанализирована архитектура сетей, определяемых знаниями, и определено, что интеграция плоскости знаний в сеть позволяет добиться значительного повышения автоматизации и адаптивности. Новизна. Проведенное исследование является одной из первых попыток провести системный анализ концепции сетей, определяемых знаниями, в контексте русскоязычной научной литературы. Работа восполняет существующий пробел в отечественной науке, предлагая уникальный взгляд на возможности сетей, определяемых знаниями, с учетом специфики локальных условий и примененияТеоретическая значимость работы заключается в создании основы для изучения и интеграции методов машинного обучения в системы управления сетями.