(资料图片)
“万物皆数，”毕达哥拉斯宣称。25个世纪后的今天，代数和数学在我们的生活中无处不在，无论我们是否看到它们。人工智能(AI)的寒武纪大爆炸让数字离我们所有人更近了，因为技术发展允许并行处理大量操作。
逐渐地，标量(数字)之间的操作被并行化为向量之间的操作，随后是矩阵。矩阵之间的乘法现在趋向于成为当代人工智能计算系统中最耗时和耗能的操作。一种称为“分块矩阵乘法”(TMM)的技术有助于通过将矩阵运算分解为更小的分块以由同一系统在连续时隙中计算来加快计算速度。但是使用晶体管的现代电子AI引擎正在接近其固有极限，并且几乎无法在高于~2GHz的时钟频率下进行计算。
光的引人注目的凭据——超高速和显着的能源和足迹节省——提供了一个解决方案。最近，由塞萨洛尼基亚里士多德大学的NikosPleros教授领导的WinPhos研究小组的一组光子研究人员利用光的力量开发了一种紧凑型硅光子计算机引擎，能够以创纪录的50GHz时钟计算TMM频率。
正如AdvancedPhotonics报道的那样，他们采用了硅-锗电吸收调制器和一种能够编码和计算数据的新型神经形态架构设计。根据通讯作者GeorgeGiamougiannis的说法，“这项工作为解决需要线速计算的基于深度学习的应用程序铺平了道路”，并且这项工作有望为数据中心网络安全做出重大贡献。
毫无疑问，人工智能的爆发为善意和恶意的用户配备了强大的工具包来加速和自动化他们的活动。随着数据中心(DC)中传输的数据逐年增加约13%，它们已成为恶意个人的主要目标，他们旨在破坏敏感数据，例如财务数据、个人信息和许多组织的知识产权，包括政府机构、、医院和金融机构。因此，DC网络安全对于防止入侵者访问机密信息势在必行。
事实上，威胁检测机制面临着一系列新的要求，这些要求源于流经当代数据中心内大量服务器和交换机的数据量。实时威胁检测势在必行：数据包检测必须以超高速处理。此外，必须尽早检测恶意数据包路径中的威胁：每个DC节点都应配备强大的网络安全工具包。
塞萨洛尼基亚里士多德大学的研究人员利用他们的超快处理器，与NVIDIA在DC网络安全领域的专家合作，成功地将硅光子学与人工智能相结合，建立了一个框架，可以成功快速地识别最常见的DC攻击类型之一，即在NVIDIA服务器中以线速进行分布式拒绝服务(DDoS)攻击。由于这种新颖的计算方案，DC攻击的数量可能很快就会增加——至少目前是这样。
营业执照公示信息