旨在改進威脅檢測的系統

受人類大腦啟發的新型計算機系統，通過甄別更有效地揭示網路IOC的特定模式，提升網路威脅檢測率。

該新型系統名為“神經網路顯微鏡”，由劉易斯羅茲實驗室和桑迪亞國家實驗室聯合開發，旨在解決當前系統在複雜的攻擊指標(IOC)檢測上的侷限。這些複雜指標被研究人員比喻為“新品種的‘壞蘋果’”。

該系統的設計者解釋稱，很多現代網路安全系統可能會查詢普通的IOC，或者只找尋特定模式，而且通常需要安全分析師從大量誤報中篩選出真正的危險。

而通過這套受人腦啟發研製而成的系統，不僅僅可以搜尋指徵特定“壞蘋果”的複雜模式，還節能——因為其耗電量甚至不足一盞60瓦的小燈燈。

該顯微鏡的處理器基於劉易斯羅茲實驗室共同創始人帕梅拉·福利特博士的神經科學研究。該研究作為人腦資訊處理計算模型，為福利特博士的丈夫，劉易斯羅茲實驗室共同創始人兼CEO大衛·福利特所用。

計算機系統專家約翰·耐格率領的團隊認為，網路安全將是神經處理器“閃耀”的領域。

我們很快意識到，這個架構可以極大提升我們查詢模式的能力，甚至探尋複雜模式也可以。

傳統檢測系統將收到的資料與惡意模式庫進行對比，而神經網路顯微鏡則依據時間將流資料與可疑模式相對照——檢測效率由此提升。

桑迪亞實驗室稱，演示環境中的測試表明，該系統在“壞蘋果”模式愈驅複雜的情況下表現更好，而對照組所使用的當前最尖端傳統系統則隨“壞蘋果”模式複雜度提升，效率呈指數級下降。另外，該實驗室宣稱，“顯微鏡”比傳統網路安全系統“快100倍，省電1000倍。”

不過，目前，神經網路顯微鏡還僅僅處於部署實用的早期階段。

桑迪亞和劉易斯羅茲實驗室還在探索通用神經架構的其他用途，包括用於音訊和影像處理，以及高效數字排序的機器學習。

本文轉自d1net（轉載）