8、认知内存技术在网络安全中的应用

认知内存技术在网络安全中的应用

1. 引言

在网络安全领域，事后犯罪分析耗费了大量时间和精力，而对正在进行的犯罪检测却重视不足。借助认知学习和识别技术，能够改善这种不平衡状况，实现更高效、高性能的安全防护。

这里介绍一种基于硬件的非线性分类器，它可以从数据中学习，检测数据与正常状态的偏差，识别数据中的模式。本质上，这种内存能够学习模式，并对输入并行做出反应，无论比较次数多少，都能在固定时间内找到最匹配的结果。神经网络和非线性分类器是优秀的模式识别引擎，能利用不精确或不完整的数据进行泛化。这里所讲的是一种商用神经网络，它原生集成在硬件组件中，每个组件包含1024 - 256字节的“认知内存”，可用于模式学习和识别，并能提升每瓦性能。此外，该硬件对数字数据类型不敏感，适用于生物特征模式匹配、模糊匹配、提取特征和支持行为分析，还支持对无序、无索引文件进行哈希函数比较等精确匹配分析。

这种硬件引擎擅长对并行输入的数据模式进行排序、聚类、学习、识别和异常检测。下面先介绍实现这些功能的硬件架构。

2. 架构概述

如下图所示的架构展示了一个基于内存的并行处理单元。输入数据作为关联内存同时广播到所有存储的“原型”（或“模型”、“数据向量”）。每个原型会计算其存储内容与输入广播内容之间的L1（绝对差值之和或曼哈顿距离）或Lsup值。这些结果用于确定输入原型与“学习”或存储信息的接近程度。当匹配足够接近时，输入将被归类到特定的神经元。

graph LR
    A[输入数据] -->|广播| B[原型1]
    A -->|广播| C[原型2]
    A -