IT인프라 운영자는 장애 없이 시스템을 안정적으로 운영하기 위해 365일, 24시간 철저한 모니터링과 점검을 수행하고 있다. 그러나 점검해야 할 시스템은 많고, 기타 업무로 인해 점검 시기를 놓치거나 모니터링을 하지 못하는 경우도 자주 발생한다. 또한, 매일 대기모드로 시스템을 감시 및 점검해야 하므로 운영자들에게 과중한 업무가 부과된다. 그러므로 숙련된 운영자처럼 시스템의 이상 패턴을 미리 감지하고 알려줄 수 있는 IT운영을 위한 인공지능 개발이 필요하다. 본 연구에서는 서버에서 측정된 네트워크 데이터를 통하여 서버의 비정상적인 패턴 탐지 및 부하 예측을 위한 방법론으로 단일 클래스 서포트 벡터 머신 기반의 다변량 관리도 및 서포트 벡터 회귀를 제안한다. 건전성 지수 및 이산웨이블릿 변환을 통한 허스트 지수 산출, 이를 이용한 단일 클래스 서포트 벡터 머신 기반의 다변량 관리도 구축을 통한 이상현상 탐지 및 서포트 벡터 회귀를 이용한 부하 예측을 실시하여 네트워크 장애에 선제적으로 대응함으로써 고장 복구 수리시간을 획기적으로 줄일 수 있으며, 소수의 인원으로 다중의 관제가 가능한 모니터링 환경 구성과 운영자 편의성 및 효율성 향상을 도모할 수 있다. 실제로 제안된 방법론을 네트워크 데이터에 적용할 경우, 서버의 실시간 모니터링 및 고장 발생 시점 예측이 가능하다는 결과를 도출하였다.