以光速執行矩陣乘法以增強網絡安全

(資料圖片)

“萬物皆數，”畢達哥拉斯宣稱。25個世紀后的今天，代數和數學在我們的生活中無處不在，無論我們是否看到它們。人工智能(AI)的寒武紀大爆炸讓數字離我們所有人更近了，因為技術發展允許并行處理大量操作。

逐漸地，標量(數字)之間的操作被并行化為向量之間的操作，隨后是矩陣。矩陣之間的乘法現在趨向于成為當代人工智能計算系統中最耗時和耗能的操作。一種稱為“分塊矩陣乘法”(TMM)的技術有助于通過將矩陣運算分解為更小的分塊以由同一系統在連續時隙中計算來加快計算速度。但是使用晶體管的現代電子AI引擎正在接近其固有極限，并且幾乎無法在高于~2GHz的時鐘頻率下進行計算。

光的引人注目的憑據——超高速和顯著的能源和足跡節省——提供了一個解決方案。最近，由塞薩洛尼基亞里士多德大學的NikosPleros教授領導的WinPhos研究小組的一組光子研究人員利用光的力量開發了一種緊湊型硅光子計算機引擎，能夠以創紀錄的50GHz時鐘計算TMM頻率。

正如AdvancedPhotonics報道的那樣，他們采用了硅-鍺電吸收調制器和一種能夠編碼和計算數據的新型神經形態架構設計。根據通訊作者GeorgeGiamougiannis的說法，“這項工作為解決需要線速計算的基于深度學習的應用程序鋪平了道路”，并且這項工作有望為數據中心網絡安全做出重大貢獻。

毫無疑問，人工智能的爆發為善意和惡意的用戶配備了強大的工具包來加速和自動化他們的活動。隨著數據中心(DC)中傳輸的數據逐年增加約13%，它們已成為惡意個人的主要目標，他們旨在破壞敏感數據，例如財務數據、個人信息和許多組織的知識產權，包括政府機構、、醫院和金融機構。因此，DC網絡安全對于防止入侵者訪問機密信息勢在必行。

事實上，威脅檢測機制面臨著一系列新的要求，這些要求源于流經當代數據中心內大量服務器和交換機的數據量。實時威脅檢測勢在必行：數據包檢測必須以超高速處理。此外，必須盡早檢測惡意數據包路徑中的威脅：每個DC節點都應配備強大的網絡安全工具包。

塞薩洛尼基亞里士多德大學的研究人員利用他們的超快處理器，與NVIDIA在DC網絡安全領域的專家合作，成功地將硅光子學與人工智能相結合，建立了一個框架，可以成功快速地識別最常見的DC攻擊類型之一，即在NVIDIA服務器中以線速進行分布式拒絕服務(DDoS)攻擊。由于這種新穎的計算方案，DC攻擊的數量可能很快就會增加——至少目前是這樣。

關鍵詞： 網絡安全 人工智能 數據中心