«Todas las cosas son números», declaró Pitágoras. Hoy, 25 siglos después, el álgebra y las matemáticas están en todas partes en nuestras vidas, las veamos o no. La explosión similar al Cámbrico de la inteligencia artificial (IA) acercó aún más los números a todos nosotros, ya que la evolución tecnológica permite el procesamiento paralelo de una gran cantidad de operaciones.
Progresivamente, las operaciones entre escalares (números) se paralelizaron en operaciones entre vectores y, posteriormente, matrices. La multiplicación entre matrices ahora tiende a ser la operación que más tiempo y energía demanda de los sistemas computacionales de IA contemporáneos. Una técnica llamada «multiplicación de matriz en mosaico» (TMM) ayuda a acelerar el cálculo al descomponer las operaciones de matriz en mosaicos más pequeños para que el mismo sistema los calcule en intervalos de tiempo consecutivos. Pero los modernos motores electrónicos de IA, que emplean transistores, se están acercando a sus límites intrínsecos y difícilmente pueden calcular a frecuencias de reloj superiores a ~2 GHz.
Las convincentes credenciales de la luz (velocidades ultraaltas y ahorros significativos de energía y espacio) ofrecen una solución. Recientemente, un equipo de investigadores fotónicos del grupo de investigación WinPhos, dirigido por el profesor Nikos Pleros de la Universidad Aristóteles de Tesalónica, aprovechó el poder de la luz para desarrollar un motor informático fotónico de silicio compacto capaz de calcular TMM a un reloj récord de 50 GHz. frecuencia.
Como se informó en Fotónica avanzada, emplean moduladores de electroabsorción de silicio-germanio y un diseño arquitectónico neuromórfico novedoso capaz de codificar y computar datos. Según el autor correspondiente George Giamougiannis, «Este trabajo allana el camino para la resolución de aplicaciones basadas en DL que requieren cálculos de velocidad de línea», y el trabajo promete contribuir significativamente a la ciberseguridad del centro de datos.
Ciberseguridad del centro de datos: la luz a la caza del mal
Sin duda, la ráfaga de IA ha equipado tanto a los usuarios benignos como a los infames con potentes conjuntos de herramientas para acelerar y automatizar sus actividades. Dado que los datos que viajan en los centros de datos (DC) aumentan aproximadamente un 13 por ciento año tras año, se han convertido en un objetivo importante para las personas malintencionadas que pretenden comprometer datos confidenciales, por ejemplo, datos financieros, información personal y propiedad intelectual de muchas organizaciones. incluyendo agencias gubernamentales, fuerzas militares, hospitales e instituciones financieras. Por esa razón, la ciberseguridad de DC es imprescindible para evitar que los invasores accedan a información clasificada.
De hecho, los mecanismos de detección de amenazas enfrentan un nuevo conjunto de requisitos que resultan de la cantidad de datos que fluyen a través de la gran cantidad de servidores y conmutadores dentro de los DC contemporáneos. La detección de amenazas en tiempo real es imprescindible: la inspección de paquetes debe procesarse a velocidades ultraaltas. Además, las amenazas deben detectarse lo antes posible dentro de la ruta de los paquetes maliciosos: cada nodo de DC debe estar equipado con un potente conjunto de herramientas de ciberseguridad.
Aprovechando su procesador ultrarrápido, los investigadores de la Universidad Aristóteles de Tesalónica, en colaboración con los expertos de NVIDIA en el campo de la ciberseguridad de CC, fusionaron con éxito la fotónica de silicio con la IA para establecer un marco para identificar con éxito y rapidez uno de los tipos más comunes de ataques de CC, es decir, ataques distribuidos de denegación de servicio (DDoS), en los servidores de NVIDIA a velocidades de línea. Gracias a este novedoso esquema computacional, es posible que pronto aumente el número de ataques DC, al menos por el momento.
Más información:
George Giamougiannis et al, Fotónica de silicio neuromórfico con multiplicación de matriz en mosaico de 50 GHz para aplicaciones de aprendizaje profundo, Fotónica avanzada (2023). DOI: 10.1117/1.AP.5.1.016004
Citación: Realización de multiplicaciones de matrices a la velocidad de la luz para una ciberseguridad mejorada (2023, 1 de febrero) recuperado el 1 de febrero de 2023 de https://techxplore.com/news/2023-02-matrix-multiplications-cybersecurity.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.