Machine Learning op FPGA voor inbraakdetectie in netwerken

Netwerkintrusiedetectie omvat het toezicht houden op en het detecteren van kwaadaardige netwerkactiviteit die kan leiden tot een aanval of niet-geautoriseerde toegang tot middelen die aan het netwerk verbonden zijn. Hoewel een intrusiedetectiesysteem gekende aanvallen kan identificeren, is het een grote uitdaging om onbekende aanvallen te detecteren. Bovendien proberen aanvallers intrusiedetectiesystemen te omzeilen door hun aanvalsstrategie aan te passen op basis algemeen gekende detectiemechanismes. In project zullen we machine learning technieken toepassen om zowel gekende als onbekende aanvallen te detecteren.

FPGA’s worden steeds meer gebruikt in commerciële netwerkrouters en-switches om de ontvangen en verstuurde gegevens te verwerken. De voordelen van FPGA’s, in vergelijking met processoren voor algemeen gebruik, zijn het grote aantal ingang/uitgangspinnen en de parallelle rekencapaciteit. In dit project zullen ze machine learning algoritmes inbedden in FPGA-gebaseerde System-on-Chip-ontwerpen om aan netwerkintrusiedetectie te doen.