背 景

在現(xiàn)代網(wǎng)絡(luò)環(huán)境中，網(wǎng)絡(luò)安全面臨著日益復(fù)雜的挑戰(zhàn)，包括新興的勒索軟件、多變的木馬病毒以及其他先進(jìn)的持續(xù)威脅。這些威脅不斷演變，要求安全解決方案不僅要快速反應(yīng)，還要能在前所未有的規(guī)模上進(jìn)行精確識(shí)別和攔截。

針對(duì)日益增多的各類惡意程序的網(wǎng)絡(luò)攻擊，火絨安全建立了多層次主動(dòng)防御系統(tǒng)來(lái)有效應(yīng)對(duì)，在病毒檢測(cè)方面，基于傳統(tǒng)模式匹配和行為分析技術(shù)已取得了一定的成效。然而，隨著惡意軟件技術(shù)的快速進(jìn)步，傳統(tǒng)方法面臨著速度慢、誤報(bào)率高和適應(yīng)新威脅的能力不足的問題。為了應(yīng)對(duì)這些挑戰(zhàn)，火絨安全采用了基于深度學(xué)習(xí)的算法來(lái)增強(qiáng)其病毒檢測(cè)能力以及檢測(cè)效率。這種方法的優(yōu)點(diǎn)在于其能夠持續(xù)學(xué)習(xí)和適應(yīng)新出現(xiàn)的惡意行為，大大提高了檢測(cè)的精確度和速度。

OpenVINO是英特爾推出的針對(duì)深度學(xué)習(xí)模型進(jìn)行優(yōu)化、推理加速以及快速部署的開源工具套件。利用OpenVINO工具套件，針對(duì)病毒檢測(cè)深度學(xué)習(xí)模型，火絨安全能夠?qū)崿F(xiàn)模型的優(yōu)化與推理加速。OpenVINO提供了一系列的模型優(yōu)化工具，可以有效減小模型尺寸并加快推理速度，從而更有效地在用戶端實(shí)現(xiàn)實(shí)時(shí)威脅檢測(cè)。

模型跨平臺(tái)的快速部署，以及推理負(fù)載的輕松切換。通過OpenVINO具有的“一次編寫，任意部署”的特點(diǎn)，火絨安全的病毒檢測(cè)深度學(xué)習(xí)模型可以很方便地部署在多個(gè)硬件設(shè)備上，并可以在不同的設(shè)備上快速地進(jìn)行推理負(fù)載的切換。通過利用英特爾酷睿Ultra平臺(tái)中的神經(jīng)處理單元（NPU），火絨安全可以將計(jì)算密集型的病毒掃描任務(wù)遷移到這些專用硬件上。這不僅減輕了主CPU的負(fù)擔(dān)，還降低了整體系統(tǒng)的功耗，同時(shí)保持了掃描任務(wù)的高效率和低延遲。

更快速更省力的軟件開發(fā)。目前，OpenVINO已經(jīng)同時(shí)支持英特爾架構(gòu)以及ARM架構(gòu)的CPU作為運(yùn)行深度學(xué)習(xí)模型推理的硬件，同時(shí)，也支持英特爾的集成顯卡、獨(dú)立顯卡、以及NPU、FPGA上的模型部署。由于這種跨平臺(tái)多架構(gòu)硬件設(shè)備的支持，火絨安全也可以利用OpenVINO縮短病毒掃描監(jiān)測(cè)軟件在跨平臺(tái)上的開發(fā)時(shí)間，同時(shí)大大減少了開發(fā)的工作量。

火絨安全攜手OpenVINO工具套件以及英特爾新一代酷睿Ultra處理器，這種軟硬件協(xié)同的方法不僅提高了終端安全的效率，也為用戶創(chuàng)造了更為安全和高效的計(jì)算環(huán)境。

基于OpenVINO的病毒掃描監(jiān)測(cè)模型的優(yōu)化與推理加速

為了應(yīng)對(duì)惡意軟件和病毒技術(shù)快速進(jìn)步帶來(lái)的挑戰(zhàn)，火絨安全采用了基于深度學(xué)習(xí)的算法來(lái)增強(qiáng)其病毒檢測(cè)能力以及檢測(cè)效率，流程圖如下圖所示。

利用虛擬沙盒中進(jìn)行病毒掃描而收集到的動(dòng)態(tài)行為序列組成的數(shù)據(jù)集，火絨安全基于PyTorch深度學(xué)習(xí)框架進(jìn)行模型訓(xùn)練，并獲得了可高效高準(zhǔn)確度進(jìn)行病毒檢測(cè)的AI模型。接著，火絨安全利用OpenVINO工具套件，實(shí)現(xiàn)了模型優(yōu)化、并將該模型根據(jù)不同用戶使用的硬件平臺(tái)進(jìn)行簡(jiǎn)單快速的部署。

首先，利用OpenVINO提供的模型優(yōu)化工具，例如模型轉(zhuǎn)換工具、神經(jīng)網(wǎng)絡(luò)壓縮框架（NNCF）等，火絨安全可以將訓(xùn)練好的病毒掃描監(jiān)測(cè)模型由原始的PyTorch模型格式轉(zhuǎn)化為OpenVINO 中間表達(dá)格式（IR格式），實(shí)現(xiàn)對(duì)模型的優(yōu)化壓縮。經(jīng)OpenVINO模型轉(zhuǎn)換與優(yōu)化壓縮后，相對(duì)于PyTorch以及ONNX的模型格式，模型占用體積可以減小50%左右。由此，模型在運(yùn)行推理時(shí)的推理速度也可以提到顯著提升，提升幅度達(dá)到20%以上。使得火絨安全的病毒檢測(cè)算法能夠?qū)崿F(xiàn)更快的響應(yīng)時(shí)間和更高效的運(yùn)行，顯著提升病毒的檢出速度和準(zhǔn)確度。

基于OpenVINO的病毒掃描監(jiān)測(cè)模型快速部署

OpenVINO的另一個(gè)重要特點(diǎn)是其支持跨平臺(tái)的模型部署能力，無(wú)需重寫大量代碼，可以實(shí)現(xiàn)深度學(xué)習(xí)模型的無(wú)縫遷移，達(dá)到“一次編寫，任意部署”，這對(duì)于快速響應(yīng)新出現(xiàn)的網(wǎng)絡(luò)威脅尤為重要。特別是針對(duì)新一代酷睿Ultra處理器中的NPU（神經(jīng)處理單元）的支持。這使得火絨安全可以輕松將優(yōu)化后的深度學(xué)習(xí)模型部署到各種硬件平臺(tái)上，包括但不限于英特爾和ARM架構(gòu)的CPU以及英特爾的GPU。自O(shè)penVINO 2024.0的版本開始，深度學(xué)習(xí)模型可以很方便的部署在英特爾酷睿Ultra平臺(tái)中的NPU上。由于NPU具有低功耗的特點(diǎn)，火絨安全的深度學(xué)習(xí)模型可以在NPU上持續(xù)進(jìn)行病毒的掃描和監(jiān)測(cè)、且保持較低的耗電量，為搭載了酷睿Ultra的用戶設(shè)備提供較高的能效利用率。同時(shí)，將深度學(xué)習(xí)模型推理遷移到NPU上，也很好地釋放了CPU上的工作負(fù)載，使得CPU的占用率在病毒持續(xù)掃描監(jiān)測(cè)時(shí)仍然保持較低的水平，從而使得用戶對(duì)病毒掃描無(wú)感、對(duì)其它的工作負(fù)載不會(huì)造成影響。

異構(gòu)架構(gòu)支持，開發(fā)省時(shí)省力

OpenVINO支持包括英特爾X86和ARM在內(nèi)的多種CPU架構(gòu)，這為開發(fā)人員提供了極大的靈活性和便利。異構(gòu)架構(gòu)的支持意味著開發(fā)者可以編寫一次代碼，然后將其部署到多種硬件平臺(tái)上，無(wú)論是在個(gè)人電腦、服務(wù)器還是移動(dòng)設(shè)備上。這種能力不僅簡(jiǎn)化了開發(fā)流程，也使得火絨安全可以輕松適應(yīng)各種硬件環(huán)境，保證軟件的廣泛兼容性和高效性。此外，這種支持也使得火絨安全能夠更好地利用不同設(shè)備的特定硬件加速功能，進(jìn)一步提高其產(chǎn)品的性能和效率。

展望未來(lái)，火絨安全計(jì)劃繼續(xù)深化與英特爾的技術(shù)合作，通過不斷的技術(shù)研發(fā)和創(chuàng)新，旨在為用戶提供更為高效、智能的安全解決方案。隨著AI技術(shù)的不斷進(jìn)步和應(yīng)用的深化，火絨安全與包括OpenVINO工具套件、酷睿Ultra處理器在內(nèi)的英特爾軟硬件技術(shù)的合作不僅提升了病毒掃描的效率，還為終端用戶提供了一個(gè)更加安全、快速且能效優(yōu)越的解決方案。