Wykorzystanie hierarchicznej pamięci czasowej do wykrywania anomalnej aktywności sieciowej

Oryginalny tytuł:

Using Hierarchical Temporal Memory for Detecting Anomalous Network Activity

Zawartość książki:

Badania te są motywowane stworzeniem inteligentnie autonomicznych cyberprzestrzeni, które mogłyby rezydować w niematerialnym środowisku cyberprzestrzeni i utrzymywać przewagę domeny. W szczególności, niniejszy artykuł oferuje 7 wyzwań dla rozwoju takiej cyberprzestrzeni.

Skupiono się na analizie twierdzeń Hierarchicznej Pamięci Czasowej (HTM). W szczególności teoria HTM twierdzi, że ułatwia inteligencję maszyn poprzez dokładne przewidywanie. Ponadto twierdzi, że jest w stanie dokonywać dokładnych prognoz nietypowych światów, takich jak cyberprzestrzeń.

Głównym celem jest dostarczenie dowodów na to, że HTM ułatwia dokładne przewidywanie nietypowych światów. Drugim celem jest dostarczenie dowodów na to, że przewidywanie jest dobrym wskaźnikiem inteligencji.

Komercyjna implementacja teorii HTM jest testowana jako system wykrywania anomalii, a jej zdolność do definiowania ruchu sieciowego (głównego aspektu cyberprzestrzeni) jako łagodnego lub złośliwego jest oceniana. W trakcie testów wydajność tej implementacji jest słaba.

Niezależny algorytm został opracowany na podstawie wariantowego rozumienia teorii HTM. Ten alternatywny algorytm jest niezależny od cyberprzestrzeni i opracowany wyłącznie (ale także w wymyślonym abstrakcyjnym świecie) w celu uwiarygodnienia wykorzystania przewidywania jako metody testowania inteligencji.