網絡流量繼續增長， 2022 年全球互聯網用戶數量達到 50 億。隨著用戶數量的增加，連接的設備數量也在增加，即 expected to grow into the trillions 。

連接的用戶和設備數量不斷增加，導致網絡上產生了大量數據。據 IDC 稱，數據每年都呈指數級增長，預計世界將 generate 179.6 zettabytes of data by 2025 。這相當于每天平均生成 493 EB 的數據。

所有這些數據和網絡流量都構成了網絡安全挑戰。企業生成的數據超過了他們所能收集和分析的數據量，而進來的絕大多數數據都未被利用。

如果不利用這些數據，企業就無法構建健壯且豐富的模型，并檢測其環境中的異常偏差。無法檢查這些數據會導致未被發現的安全漏洞、較長的補救時間，并最終導致公司遭受巨大的財務損失。

由于每周都有網絡攻擊企圖 rising by an alarming 50% in 2021 ，網絡安全團隊必須找到更好地保護這些龐大網絡、數據和設備的方法。

為了解決網絡安全數據問題，安全團隊可能會實施 smart sampling 或 smart filtering ，他們要么分析數據的子集，要么過濾掉被認為不重要的數據。通常采用這些方法是因為分析網絡上的所有數據成本高昂且極具挑戰性。

公司可能沒有基礎設施來處理或及時處理如此大規模的數據。事實上，它需要 277 days on average to identify and contain a breach 。為了提供針對網絡威脅的最佳保護，快速分析所有數據會產生更好的結果。

NVIDIA Morpheus GPU 加速網絡安全 AI 框架首次實現了實時檢查所有網絡流量的能力，以解決以前無法解決的網絡安全數據問題。

使用 Morpheus ，您可以構建優化的 AI 管道來過濾、處理和分類這些大量實時數據，使網絡安全分析師能夠更快地檢測和修復威脅。

新的可視化功能有助于更快地查明威脅

NVIDIA Morpheus 的最新版本為網絡安全數據提供了可視化，使網絡安全分析師能夠更有效地檢測和補救威脅。此前，網絡安全分析師會檢查大量原始數據，可能每周分析數十萬個事件，尋找異常情況。

Morpheus 包括幾個預構建的端到端工作流，用于解決不同的網絡安全用例。 Digital fingerprinting 是預構建的工作流之一，旨在分析網絡中每個人和機器的行為，以檢測異常行為。

Morpheus 數字指紋預處理模型實現了高達 100% 的數據可見性，并為企業數據中心的每個用戶、服務、帳戶和機器提供唯一的指紋。當用戶和機器活動發生變化時，它使用無監督學習來標記。

數字指紋工作流程包括精細可調的解釋性，提供突出顯示異常的度量，以及確定何時標記某些事件的閾值。兩者都可以根據您的環境進行定制。

數字指紋現在還包括一個新的可視化工具，它可以向安全分析師提供關于偏離正常行為的見解，包括偏離的方式以及與偏離相關的內容。分析師不僅可以得到問題警報，還可以快速深入細節，確定一系列可操作的后續步驟。

這使組織在數據分析方面有了數量級的改進，有可能將針對特定攻擊模式檢測威脅的時間從幾周減少到幾分鐘。

圖 1 顯示了 Morpheus 中數字指紋用例的可視化。這個例子著眼于大規模的網絡安全數據：成千上萬的用戶，其中每個六邊形表示一段時間內與用戶相關的事件。沒有人能跟蹤這么多用戶。

圖 1.數字指紋工作流程的 NVIDIA Morpheus 可視化

NVIDIA Morpheus 已經對數據進行了分析和優先級排序，因此很容易看出何時發現了異常。在可視化中，數據的組織方式是，最重要的數據位于頂部，顏色表示異常分數：深色較好，淺色較差。安全分析人員可以輕松識別異常，因為它具有優先級，并且易于發現。安全分析師可以選擇一個淺色六邊形，并快速查看與事件相關的數據。

借助 NVIDIA Morpheus ， AI 執行大量數據過濾和縮減，在網絡傳播過程中呈現關鍵行為異常。它可以為安全分析人員提供更多關于個別事件的背景信息，幫助將這些點與其他可能發生的壞事聯系起來。

NVIDIA Morpheus 數字指紋工作流程正在運行

Morpheus 有助于保護敏感信息的安全

Morpheus 中包含的另一個預構建工作流是 sensitive information detection ，用于幫助查找和分類泄漏的憑證、密鑰、密碼、信用卡號、銀行帳號等。

Morpheus 的敏感信息檢測工作流現在包括一個基于可視化圖形的解釋程序，使安全分析師能夠更容易地發現泄漏的敏感數據。在敏感信息檢測的可視化中，您可以看到網絡的表示，其中點是服務器，線是服務器之間流動的數據包。

部署 Morpheus 后， AI 推理將在整個網絡中啟用。敏感信息檢測模型經過培訓以識別敏感信息，例如 AWS 憑據、 GitHub 憑據、私鑰和密碼。如果在數據包中觀察到其中任何一個，則顯示為紅線。

Morpheus 中的 AI 模型搜索每個數據包，在遇到敏感數據時不斷標記。這不是使用模式匹配，而是使用經過訓練的深度神經網絡來概括和識別靜態規則集之外的模式。

注意所有單獨的行；你可以看到，人類很快就會被所有傳入的數據淹沒。使用 Morpheus 中的可視化功能，您可以立即看到代表泄漏敏感信息的線條。將鼠標懸停在其中一條紅線上會顯示有關憑證的信息，從而更容易進行分類和修正。

借助 Morpheus ，網絡安全應用程序可以集成和收集信息，以實現自動事件管理和行動優先化。為了加快恢復速度，可以使用原始服務器、目標服務器、公開的憑據，甚至原始數據。

多流程管道支持支持新的網絡安全工作流

多進程管道支持使 Morpheus 能夠支持新的網絡安全工作流，可以智能地進行批處理以減少延遲。例如，具有深度學習和機器學習的網絡安全工作流可能使用相同的數據，但具有不同的派生功能。集成最終必須結合在一起，但機器學習比深度學習快得多。 Morpheus 現在可以在多條管道中動態批處理，以優化端到端時間并最小化延遲。

實現基于人工智能的新網絡安全解決方案

使用 Morpheus ，網絡安全從業者可以訪問預構建的 AI 工作流，如數字指紋、敏感信息檢測等：

加密挖掘惡意軟件檢測

網絡釣魚檢測

欺詐交易和身份檢測

勒索軟件檢測

Morpheus 使網絡安全開發者和 ISV 能夠構建基于人工智能的解決方案。它包括開發人員工具包和微調腳本，以便于將 Morpheus 集成到現有模型中。 NVIDIA 還與領先的系統集成商合作，使任何組織都能利用基于人工智能的網絡安全。

基于人工智能的網絡安全民主化

Morpheus 使企業能夠更輕松地開發基于人工智能的網絡安全工具，更好地保護數據中心。系統集成商和網絡安全供應商正在使用 Morpheus 構建更先進、性能更高的網絡安全解決方案，以供各個行業的組織使用。

百思買

Best Buy 在 NVIDIA DGX 上部署了 phishing detection ，以提高釣魚檢測能力并加快主動響應。他們為 Morpheus 用例部署了 Morpheus ，使他們能夠將可疑消息檢測提高 15% 。

博茲·艾倫·漢密爾頓

Booz Allen Hamilton 正在幫助更好地支持事件響應團隊，特別是那些在戰術邊緣執行威脅搜索任務的團隊。他們開發了高度定制的 GPU 加速 Cyber Precog platform ，它集成了經過操作磨練的網絡工具、 AI 模型和模塊化管線，以實現快速能力部署。

Cyber Precog 使用 NVIDIA Morpheus 框架構建，提供了一套初始的核心功能，以及靈活的軟件結構，用于開發、測試和部署新的 GPU 加速分析，以應對事故。

在事件響應期間，運營商可能必須在無法導出數據的情況下評估斷開的邊緣網絡上的數據，以便他們可以隨身攜帶一個毫不妥協的飛行套件，以安全地訪問網絡數據。

與基于 CPU 的解決方案相比，使用 NVIDIA GPU 和 Morpheus ， Cyber Precog 在數據接收和管道方面的速度提高了 300 倍，訓練速度提高了 32 倍，推理速度提高了 24 倍。 Booz-Allen 基準測試表明，單個 NVIDIA GPU 加速服務器最多可替代 135 個 CPU 專用服務器節點，為網絡運營商提供快速決策。

Cyber Precog 平臺面向公共和私營部門客戶。

賽博點

CyberPoint 專注于在一系列網絡安全用例中與數十個任務伙伴和跨多個組織的網絡建立零信任，這使得分析變得異常困難。

提供基于 AI 的解決方案來識別威脅實體和惡意行為對于安全運營中心分析師來說至關重要，使他們能夠專注于最顯著的威脅。

使用 NVIDIA Morpheus ，他們建立了用戶行為模型，以幫助分析師識別實時數據中的威脅。他們在 Morpheus 中開發了自己的階段，以適應其用例，利用圖形神經網絡和自然語言處理模型，并將其與 Graphistry 集成，以提供用戶和設備的 360 度視圖。

通過使用 Morpheus ， CyberPoint 的網絡安全工作流程加快了 17 倍。

IntelliGenesis 公司

IntelliGenesis 有一個基于 NVIDIA Morpheus 的飛行套件，設計為不受環境影響，可在邊緣進行即時檢測和修復。他們已經建立了一個企業解決方案來大規模進行基于人工智能的實時威脅檢測。它可以定制，但足夠簡單，可以讓任何級別的數據科學家或領域專家使用。使用 Morpheus 和 GPU 加速，他們立即看到性能呈指數級增長。

噴濺

Splunk 創建了一個 Copilot for Splunk SPL ，使用戶能夠用簡單的英語描述他們想要實現的目標，并獲得建議的查詢以執行。 Splunk 團隊在 .conf22 上談到了這一點，值得注意的是，人群中有許多機器學習工程師。反饋非常積極，表明我們今天只觸及了 NLP 的表面。

乍一看，這似乎不像是一個網絡安全項目。然而，在實現這一點時，他們能夠識別敏感信息泄漏，這是莫菲斯從數據中提取見解的靈活性的一個突出例子。使用 Morpheus ， Splunk 實現了 5-10 倍的流水線加速。

全球技術

萬維網技術（ WWT ） 正在將 Morpheus 和 NVIDIA 聚合加速器用于其 AI 定義網絡（ AIDN ）解決方案。 AIDN 擴展了現有的 IT 監控基礎設施，以便隨著時間的推移觀察和關聯遙測、系統和應用程序數據點，以構建可操作的見解并向網絡運營商發出警報。然后，警報用作腳本化操作的事件觸發器，允許 AIDN 協助操作員執行重復任務，例如提交票據。

關于作者

Nicola Sessions 是 NVIDIA 企業產品（包括網絡安全和虛擬化解決方案）的主要產品營銷經理。 Nicola 在技術領域有 20 多年的從業經驗，其背景涉及工作站、瘦客戶端、虛擬化、視頻流和服務器。

審核編輯：郭婷