增强AI加速的网络安全威胁检测

全球网络犯罪造成每年超过 1 万亿美元的损失，相当于墨西哥或西班牙的国内生产总值（GDP）。而且，全球趋势表明情况将越来越糟。

数据中心面临着惊人的用户、数据、设备和应用程序增长，越来越复杂的攻击载体增加了威胁攻击面。

NVIDIA Morpheus 使网络安全开发人员和独立软件供应商能够以最少的开发工作量为安全工作流构建高性能管道。

您可以轻松利用背压、反应式编程和纤程的优势来构建网络安全解决方案。更高级别的 API 使您能够按照传统方式编程，但同时也获得了加速计算的好处，使您能够实现吞吐量的数量级提高。这些优化不存在于任何其他流框架中。Morpheus 现在支持使用 Python 和 C ++ 抽象层构建自定义管道。

您通常可能不得不在 Python 中以最少代码行快速编写程序或在 Python 中编写没有性能上限的程序之间做出选择。借助 Morpheus，您可以两者兼得。

您可以编写更少数量级的代码，并获得无限的性能上限。这可以在更短的时间内获得更好的效果，从而节省成本并获得更卓越的成果。

NVIDIA 的合作伙伴 F5 在其恶意软件检测用例中使用了基于 Morpheus 的机器学习模型。凭借其高度可扩展、可定制和加速的数据处理、训练和推理能力，Morpheus 使 F5 管道的性能比基于 CPU 实现的提高了 200 倍。

Morpheus 管道帮助您快速创建高性能的代码和工作流，这些代码和工作流可以结合创新模型，而开发摩擦最小。因此，您可以从 GPU 中获得更好的性能，从而提高查找域生成算法（DGA）所需的日志处理能力。

对于 F5 ，这意味着从每秒处理 1013 个 DGA 日志增加到每秒 20833 个日志，所有这些都只需要 136 行代码。有关更多信息，请参阅 F5 在 GTC 发布的使用实时机器学习技术检测基于 DGA 的恶意域名。

Morpheus 可以轻松构建和扩展网络安全应用程序，这些应用程序利用自适应管道，支持比以前更广泛的模型复杂性。除了硬件加速之外，编程模型对性能起着关键作用。Morpheus 使用反应式编程方法，这意味着它可以动态调整并自动将资源重定向到压力下管道的任何部分。

视频 1 . 基于人工智能的大规模实时威胁检测

如果部分管道中的数据急剧增加，Morpheus 可以调整并创建额外的路径，以便数据继续处理。监控这些缓冲区的深度，并根据需要添加额外的分段。同样，不再需要这些分段时，Morpheus 也可以很容易的移除他们。

通过使用纤程，Morpheus 可以从其他处理中接替工作，如果它们没有得到充分利用的话。您不需要做任何事情；只需借用管道中未充分利用的部分即可。

所有这些结合在一起，使 Morpheus 能够智能的适应网络安全数据流的高度可变性。它提供了对网络实时情况的全面可见性，并使您能够编写顺序代码来实现 Morpheus 的自动扩展。

使用 Morpheus ，您可以实时分析 100% 的数据，以便在威胁发生时更准确的检测和更快地修复它们。Morpheus 还使用人工智能来适应威胁，并即时进行补偿。

面向开发者的 Morpheus 网络安全人工智能框架是同类产品中的首创，可用于创建人工智能加速的大规模实时欺诈检测。

它将流图神经网络（GNNs）用于欺诈检测，解锁了以前在没有大量标记数据的情况下独立软件供应商和安全开发人员无法使用的功能。

图神经网络在欺诈检测方面取得了新一代突破，因为它们经过独特的设计，可以识别和分析看似不相连的数据片段之间的关系，从而做出预测，并在大规模上执行。这也是为什么 GNN 历来被用于推荐系统和优化司机配送路线等应用的原因。

Morpheus 图神经网络能够用少得多的训练数据开发用于欺诈检测的特征工程。在传统方法中，专家识别重要的数据片段，例如地理位置信息，并用其重要性标记它们。

因为图神经网络需要更少的训练数据，所以减少了对人类专业知识的需求。您还可以检测由于训练其他模型所需的标记训练数据量而无法识别的威胁。即使数据更少，您也可以提高欺诈检测的准确性，这对一个企业来说可能意味着数亿美元。

无耻的全球勒索威胁，如 Colonial Pipeline 天然气网络的高调关闭，在 2021 年引起了越来越多的关注。企业正努力跟上新威胁的数量和速度。对于一个企业来说，每次安全漏洞造成数据泄露的成本可能高达数千万美元，而且还会持续上升。

Morpheus 人工智能应用框架是基于 NVIDIA RAPIDS 和 NVIDIA AI 以及 NVIDIA GPU 构建的。它为在这个充满挑战的时代实施网络安全创建了强大的工具。当与 NVIDIA BlueField DPU 加速器和 NVIDIA DOCA 遥测技术相结合，这将为安全的开发带来了新的标准。

图 1 . Morpheus 建筑

Morpheus 的用例包括用于网络钓鱼检测的自然语言处理（NLP）。数字指纹（Digital fingerprinting）是另一个用例，因为它分析企业中每个人和机器的行为，以检测异常。

NVIDIA Morpheus 是开源的，4 月份可以通过 GitHub 和 NGC 下载。