【大紀元2019年11月09日訊】（大紀元記者劉景燁編譯報導）麻省理工學院(MIT)新聞網近期報導，該校研究人員利用超級計算機系統，全面、隨機地捕捉互聯網上交流的數據，以分析全網數據的整體面貌。
研究人員認為，通過理解如此大範圍的網絡數據面貌，他們可以協助制定互聯網政策，辨認和防止網絡暴行，抵禦黑客攻擊，設計更有效率的計算機基礎設施。有關此研究的論文發佈於最近的「IEEE高性能極限計算機大會」。
通過公共渠道，研究人員收集了最大的數據庫，包含500億個匿名數據包，涉及2015年以來，隨機日期在美國和日本眾多地點交流的網絡數據。
他們利用全新的「神經網絡」，通過「MIT超級雲」系統的1萬個處理器運行這些數據。此研究捕捉了數據庫中各種鏈接之間的關係，其中有一般的網絡延遲，有極少連接但似乎有一定網絡影響的鏈接，也有谷歌、臉書等巨頭。
以神經網絡訓練的模型可以從各種巨大的數據庫中分析出各種鏈接互相影響的方式。這種分析結果可用於研究個人之間的文件傳輸、用於犯罪的IP地址、發送垃圾信息的行為、不同行業受到網絡攻擊的頻率等；還可用以研究網絡交通瓶頸，以便更好地分配計算資源。
參與研究的凱普納(Jeremy Kepner)說，此研究有助於描繪虛擬世界的背景。「如果你想要找出任何異常或反常事物，你必須有一個很好的背景模型。」他說。
在互聯網研究中，研究者常要找出網絡交通的反常之處，例如存在安全威脅的地方。而MIT的這個研究有助於人們了解何為「正常」的網絡交通。但是，過去的「交通分析」模型僅能分析有限區域和來源的數據包，因而無法得出準確結論。
MIT的研究人員並不是為解決「交通分析」的侷限而開展這個項目。他們開發了全新的技術，利用「MIT超級雲」來處理巨大的網絡矩陣。而互聯網交通則是測試這一技術的最佳實例。
在互聯網交通中，不同的網絡節點代表不同的個體。其中有巨大的超級節點，如谷歌、臉書，也有其它各種交流或頻繁、或稀少的節點。所有這些節點共同組成了一幅圖像。而過去的模型不可能捕捉這幅圖像的整體。
MIT的神經網絡生成了一個簡單的模型，用以描述互聯網交通數據庫。凱普納形容，這個模型包含了「從非常熱門的節點到孤立的節點，以及他們中間一切的完整圖像」。目前，研究人員正向科技界尋求這一模型的下一個應用領域。◇
責任編輯：馮文鸞
