隨著數字化進程逐漸深入，機構組織必須在邊緣處理的信息數量激增。從設備、建筑、車輛、船舶、飛機等的移動設備和邊緣傳感器中將生成大量數據。

尋找有效的方法來管理、使用和保護這些數據是一項艱巨的任務。如今一個有效且具有成本效益的解決方案出現。神經形態處理和自搜索計算存儲的結合可以使組織快速處理大量邊緣數據。

邊緣數據困境

邊緣數據可以提供決策參考，從而實現更有效的核心任務。問題是，處理這些數據所需的計算和網絡基礎設施沒有跟上。組織缺乏在邊緣處理數據的計算能力，也缺乏將數據傳輸到具有處理能力的集中位置的網絡帶寬。

傳統的計算技術占用了太多的空間，產生了太多能耗，難以在邊緣使用。傳統的網絡技術也無法以有效速度遠距離移動大量數據

網絡安全隱患

各機構不僅必須找到有效的數據管理方法，還需要保護其資產免受網絡威脅。如今，網絡安全團隊在應對網絡攻擊時必須篩選大量數據。為了發現異常并找出根本原因，他們需要從訪問日志和安全信息與事件管理（SIEM）系統中搜索大型數據集。他們還需要盡可能接近實時地完成這項任務，以及時防止網絡入侵。但到目前為止，還缺乏一個有效的計算和存儲解決方案來在邊緣實現這一目標。

Cyberedge的一份新報告發現，68%的政府機構在2021面臨網絡攻擊，這表明政府機構需要在發生攻擊時找到創新的數據保護解決方案。在應對網絡事件時，主動響應能力至關重要，通過快速找到數據并實時提醒分析師，大大降低網絡風險并保護任務。

神經形態（neuromorphic）處理力量

如果計算機的功能更像人腦，那將是有幫助的。人類看到一片開著數千朵黃色花朵的田野，能夠立即發現一朵紅色的花朵。計算機需要單獨處理每一朵花，直到發現異常為止。

這是因為經過億萬年的進化，大腦已經被微調，能夠很好地執行特定的任務。它這樣做的同時消耗的能量非常少。

但是，如果像大腦一樣，計算機可以非?？焖俚貓绦刑囟ㄈ蝿眨恍枰苌俚碾娏Γ瑫趺礃?？這就是神經形態處理器的前景——本質上是一臺模仿大腦系統的計算機。

神經形態處理能夠在邊緣改變網絡風險。從構建在高端現場可編程門陣列（FPGA）集成電路上的神經形態處理單元（NPU）開始，該集成電路專為加速關鍵工作負載而定制。添加幾十TB的本地SSD存儲。其結果是一個基于NPU的自搜索存儲設備，可以在邊緣和極低的功耗下對非常大的數據集執行極其快速的搜索。

NPU技術搜索大型數據集的速度有多快？將多個NPU設備組合在一個機架中，可以在大約12分鐘內搜索1 PB的數據。要用傳統技術實現這一結果，您需要62個服務器機架，而且預算非常大。在測試中，NPU設備機架需要的CapEx（資本性支出）降低84%，OpEx（運營支出）降低99%，功率降低99%。

想象一下，在應對黑客攻擊這樣的情況時，在幾分鐘內搜索一PB的數據有什么好處。Sunburst黑客攻擊美國始于2020年3月左右，但直到2020年12月才被發現，影響了至少200個組織，包括國防部、國土安全部、財政部、商務部和司法部等政府部門。各機構必須搜索至少九個月的數據，以確定哪里發生了違規行為，當前的違規活動，以及哪些系統、網絡和數據受到了影響。

在這種情況下，神經形態處理和自我搜索存儲可以縮短事件響應時間。這可以節省成本，加快事件解決，并降低網絡風險。

NPU搜索技術是與美國能源部的研發實驗室桑迪亞國家實驗室合作開發的。如今，桑迪亞正在積極使用多個NPU系統進行網絡防御和其他用例。

此外，部署NPU設備存儲不需要更改組織當前的IT基礎架構或網絡防御。該設備只是與現有的硬件和網絡安全解決方案并駕齊驅。大型數據集的搜索發生在邊緣。識別出的任何少量相關數據都可以快速方便地傳輸，以便進行集中分析。

NPU設備還有其他潛在的使用案例。例如，一家財富50強公司用于數據標記技術來訓練機器學習算法。該組織將所需時間從一個月減少到22分鐘。與此同時，神經形態處理和自我搜索存儲是一種可實現的、具有成本效益的解決方案，可以保護敏感數據并降低邊緣網絡風險。