(資料圖片)
“萬物皆數(shù)，”畢達(dá)哥拉斯宣稱。25個世紀(jì)后的今天，代數(shù)和數(shù)學(xué)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(jì)大爆炸讓數(shù)字離我們所有人更近了，因?yàn)榧夹g(shù)發(fā)展允許并行處理大量操作。
逐漸地，標(biāo)量(數(shù)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(xiàn)在趨向于成為當(dāng)代人工智能計算系統(tǒng)中最耗時和耗能的操作。一種稱為“分塊矩陣乘法”(TMM)的技術(shù)有助于通過將矩陣運(yùn)算分解為更小的分塊以由同一系統(tǒng)在連續(xù)時隙中計算來加快計算速度。但是使用晶體管的現(xiàn)代電子AI引擎正在接近其固有極限，并且?guī)缀鯚o法在高于~2GHz的時鐘頻率下進(jìn)行計算。
光的引人注目的憑據(jù)——超高速和顯著的能源和足跡節(jié)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(xué)的NikosPleros教授領(lǐng)導(dǎo)的WinPhos研究小組的一組光子研究人員利用光的力量開發(fā)了一種緊湊型硅光子計算機(jī)引擎，能夠以創(chuàng)紀(jì)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(diào)制器和一種能夠編碼和計算數(shù)據(jù)的新型神經(jīng)形態(tài)架構(gòu)設(shè)計。根據(jù)通訊作者GeorgeGiamougiannis的說法，“這項(xiàng)工作為解決需要線速計算的基于深度學(xué)習(xí)的應(yīng)用程序鋪平了道路”，并且這項(xiàng)工作有望為數(shù)據(jù)中心網(wǎng)絡(luò)安全做出重大貢獻(xiàn)。
毫無疑問，人工智能的爆發(fā)為善意和惡意的用戶配備了強(qiáng)大的工具包來加速和自動化他們的活動。隨著數(shù)據(jù)中心(DC)中傳輸?shù)臄?shù)據(jù)逐年增加約13%，它們已成為惡意個人的主要目標(biāo)，他們旨在破壞敏感數(shù)據(jù)，例如財務(wù)數(shù)據(jù)、個人信息和許多組織的知識產(chǎn)權(quán)，包括政府機(jī)構(gòu)、、醫(yī)院和金融機(jī)構(gòu)。因此，DC網(wǎng)絡(luò)安全對于防止入侵者訪問機(jī)密信息勢在必行。
事實(shí)上，威脅檢測機(jī)制面臨著一系列新的要求，這些要求源于流經(jīng)當(dāng)代數(shù)據(jù)中心內(nèi)大量服務(wù)器和交換機(jī)的數(shù)據(jù)量。實(shí)時威脅檢測勢在必行：數(shù)據(jù)包檢測必須以超高速處理。此外，必須盡早檢測惡意數(shù)據(jù)包路徑中的威脅：每個DC節(jié)點(diǎn)都應(yīng)配備強(qiáng)大的網(wǎng)絡(luò)安全工具包。
塞薩洛尼基亞里士多德大學(xué)的研究人員利用他們的超快處理器，與NVIDIA在DC網(wǎng)絡(luò)安全領(lǐng)域的專家合作，成功地將硅光子學(xué)與人工智能相結(jié)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(wù)器中以線速進(jìn)行分布式拒絕服務(wù)(DDoS)攻擊。由于這種新穎的計算方案，DC攻擊的數(shù)量可能很快就會增加——至少目前是這樣。
關(guān)鍵詞： 網(wǎng)絡(luò)安全 人工智能 數(shù)據(jù)中心
營業(yè)執(zhí)照公示信息