【大澳门威尼斯人赌场官网2019年11月09日讯】（大澳门威尼斯人赌场官网记者刘景烨编译报导）麻省理工学院(MIT)新闻网近期报导，该校研究人员利用超级计算机系统，全面、随机地捕捉互联网上交流的数据，以分析全网数据的整体面貌。

研究人员认为，通过理解如此大范围的网络数据面貌，他们可以协助制定互联网政策，辨认和防止网络暴行，抵御黑客攻击，设计更有效率的计算机基础设施。有关此研究的论文发布于最近的“IEEE高性能极限计算机大会”。

通过公共渠道，研究人员收集了最大的数据库，包含500亿个匿名数据包，涉及2015年以来，随机日期在美国和日本众多地点交流的网络数据。

他们利用全新的“神经网络”，通过“MIT超级云”系统的1万个处理器运行这些数据。此研究捕捉了数据库中各种链接之间的关系，其中有一般的网络延迟，有极少连接但似乎有一定网络影响的链接，也有谷歌、脸书等巨头。

以神经网络训练的模型可以从各种巨大的数据库中分析出各种链接互相影响的方式。这种分析结果可用于研究个人之间的文件传输、用于犯罪的IP地址、发送垃圾信息的行为、不同行业受到网络攻击的频率等；还可用以研究网络交通瓶颈，以便更好地分配计算资源。

参与研究的凯普纳(Jeremy Kepner)说，此研究有助于描绘虚拟世界的背景。“如果你想要找出任何异常或反常事物，你必须有一个很好的背景模型。”他说。

在互联网研究中，研究者常要找出网络交通的反常之处，例如存在安全威胁的地方。而MIT的这个研究有助于人们了解何为“正常”的网络交通。但是，过去的“交通分析”模型仅能分析有限区域和来源的数据包，因而无法得出准确结论。

MIT的研究人员并不是为解决“交通分析”的局限而开展这个项目。他们开发了全新的技术，利用“MIT超级云”来处理巨大的网络矩阵。而互联网交通则是测试这一技术的最佳实例。

在互联网交通中，不同的网络节点代表不同的个体。其中有巨大的超级节点，如谷歌、脸书，也有其它各种交流或频繁、或稀少的节点。所有这些节点共同组成了一幅图像。而过去的模型不可能捕捉这幅图像的整体。

MIT的神经网络生成了一个简单的模型，用以描述互联网交通数据库。凯普纳形容，这个模型包含了“从非常热门的节点到孤立的节点，以及他们中间一切的完整图像”。目前，研究人员正向科技界寻求这一模型的下一个应用领域。◇

责任编辑：冯文鸾