Kürzlich veröffentlichte F5 einen Forschungsartikel in der Elsevier-Fachzeitschrift Network Security, der verschiedene Frameworks für maschinelles Lernen (ML) und künstliche Intelligenz (KI) empirisch analysiert, um die Leistung und Effektivität der verteilten Ausführung von ML-/KI-Algorithmen zu ermitteln. Die Forschungsarbeit untersucht den Einsatz verschiedener fortschrittlicher ML-/KI-Frameworks wie NVIDIA Morpheus, ONNX, TF/SKL usw., um die Cybersicherheit in großem Maßstab deutlich zu verbessern. Dadurch konnten die Erkennungsfunktionen beschleunigt werden, was durch optimierte Modellformate und eine GPU-gestützte parallele Verarbeitung von Workloads erreicht wurde. Die Kombination aus Softwareoptimierung und Hardwarebeschleunigung hat nicht nur die Latenz reduziert, sondern auch den Gesamtdurchsatz erhöht.
Wir haben uns für die Erkennung von algorithmisch generierten Domains (AGDs) entschieden, um die verschiedenen ML-/KI-Frameworks (NVIDIAs Morpheus, ONNX, TF/SKL) miteinander zu vergleichen. Im Allgemeinen verwenden Angreifer Domain Generation Algorithms (DGAs), um AGDs für die Datenexfiltration und die Command-and-Control-Kommunikation (C&C) über die DNS-Schicht zu generieren. Wir haben Modelle zur Erkennung von DGA-Bedrohungen verwendet, um verschiedene ML-/KI-Frameworks zu testen.
Die ML-/KI-Modelle zur Erkennung von AGDs wurden auf den jeweiligen Plattformen mit Batchgrößen von 32 und 1024 bereitgestellt und ausgeführt. Die GPU-Konfigurationen übertrafen die CPU-Konfigurationen der TensorFlow-Implementierung bei den jeweiligen Batchgrößen um das 11- bzw. 43-Fache. Bei Verwendung des ONNX-Modellformats erzielte der CPU-Ausführungsanbieter bei einer Batchgröße von 32 eine 5-mal und bei einer Batchgröße von 1024 eine 1,5-mal höhere Leistung als TensorFlow auf der CPU. ONNX mit CUDA-GPU-Ausführungsanbieter übertraf ONNX mit CPU-Ausführungsanbieter bei Batchgrößen von 32 bzw. 1024 um das 6- bzw. 13-Fache. Morpheus-GPU übertraf die anderen Architekturen und erreichte bei Batchgrößen von 32 bzw. 1024 einen Durchsatz von 22.382 bzw. 208.077 Anfragen pro Sekunde. Dies entspricht einer 200-fachen Steigerung des Durchsatzes gegenüber der TensorFlow-GPU-Konfiguration.
Unsere Analyse hat ergeben, dass Morpheus-GPU eine überlegene Latenz und einen höheren Durchsatz bietet und dadurch größere Batch-Größen für die Verarbeitung großer Netzwerke ermöglicht. Mit Morpheus-GPU und Caching können DGAs im DNS-Datenverkehr auf Rechenzentrumsebene in Echtzeit erkannt werden.
Die wichtigsten Erkenntnisse aus der Untersuchung sind:
- Die Abwehr von Cyberangriffen und damit verbundenen Bedrohungen erfordert ausgereifte Lösungen zur Bedrohungserkennung, die das Potenzial gespeicherter Datensätze nutzen, indem sie diese zur Gewinnung von Bedrohungsinformationen auswerten.
- KI-/ML-Algorithmen benötigen Hardwarebeschleunigung (KI-Frameworks), um große Datenmengen schnell zu verarbeiten und daraus zu lernen, damit Cyberangriffe und Bedrohungen besser erkannt werden können.
- Das Morpheus-KI-Framework ermöglicht schnelle Entscheidungen und bietet Inferenzfunktionen zur Verarbeitung von Daten mit geringer Latenz und hohem Durchsatz im Vergleich zu anderen ML-/KI-Frameworks wie ONNX, TF usw.
Unternehmen können diese Forschung nutzen, um KI-beschleunigte Cybersicherheit zu implementieren. Dazu wählen sie eine robuste Infrastruktur (eine Kombination aus Verarbeitungseinheiten und ML-/KI-Frameworks), mit der sich große Datenmengen verarbeiten und Inferenzergebnisse schnell und skalierbar erzielen lassen. Die Forschung ermöglicht es Unternehmen, auf Grundlage der validierten Ergebnisse zu ML-/KI-Frameworks entsprechende Methoden in bestehende Produktangebote zu integrieren, insbesondere in den Bereichen ML und KI.
Laden Sie Ihr Exemplar des Artikels im Online-Portal des Network Security Journal herunter.
Über die Autoren
Ähnliche Blogbeiträge
Ein umfassender Leitfaden zur Bereitstellung und Sicherheit von KI-Anwendungen
Entdecken Sie optimale Strategien für die Absicherung und Bereitstellung von KI-Anwendungen.
KI zulassen und einführen? Lehren aus der Public Cloud
Die Einführung von KI steht unmittelbar bevor und könnte entscheidend sein, um wettbewerbsfähig zu bleiben. Daher muss die IT-Sicherheit proaktiv handeln und der KI-Einführung schon jetzt einen Schritt voraus sein, um sie auf einen risikogerechten Weg zu lenken.
Stand der Anwendungsstrategie 2022: Zeit für die Modernisierung des Betriebs
Es ist deutlich geworden, dass Unternehmen ihren Fokus erneut auf die Geschäftsfunktionen richten müssen, um die Dynamik ihrer digitalen Transformation aufrechtzuerhalten. Kundenerlebnisse haben zwar weiterhin Priorität, doch auch Geschäftsfunktionen wie Recht, Personalwesen und Finanzen müssen digitalisiert werden. Das bedeutet, dass CIOs das Steuer übernehmen, während sich die digitale Transformation von der Modernisierung von Anwendungen hin zur Modernisierung von Betriebsabläufen verlagert.
F5s Weg zu einer vielseitigen Plattform für Anwendungsanalysen
F5 bietet heute die umfassendsten Anwendungsdienste entlang des gesamten Weges vom Code bis zum Kunden. Künftig werden wir verstärkt auf Anwendungstelemetrie und -analysen setzen, damit unsere Kunden wertvolle Erkenntnisse über ihre Anwendungen, Geschäftsabläufe und Benutzererlebnisse gewinnen können. Beim Ausbau unserer Cloud-Analysefunktionen werden wir ML und KI noch stärker nutzen, um unsere Kunden bei der Verbesserung ihrer Geschäftsdienste zu unterstützen.
Telemetrie: Eine andere Art von Daten
Verwenden wir den Begriff „Telemetrie“ nur, weil er attraktiver klingt als „Daten“? Letztlich sind sowohl Daten als auch Telemetrie strukturierte Informationseinheiten. Es ist kein Verbrechen, die Begriffe synonym zu verwenden. Doch wenn man es genau nimmt, gibt es einen Unterschied. Und dieser Unterschied wird immer wichtiger werden, je weiter Unternehmen in die Datenökonomie vordringen.
MTTR bedeutet nicht „Mean Time to Reboot“
„Schnell scheitern“ lautet heute das Mantra für mehr Geschwindigkeit. Ob in DevOps oder im Geschäftsleben: Wer in einer digitalen Wirtschaft agiert, muss eine möglichst perfekte Verfügbarkeit gewährleisten.