使用处理器元数据检测加密货币挖掘的系统和方法技术方案

本申请涉及使用处理器元数据检测加密货币挖掘的系统和方法。系统和方法可以通过从自执行进程的处理器收集的执行遥测或测量值计算或确定特征，以及从特征的至少一个子集确定处理器正在执行一类进程的可能性，来确定所述一类进程(例如NN执行、加密货币挖掘、图形处理)是否正在处理器上执行，或者哪个类正在执行。执行遥测可以包括有关或描述进程的执行的数据，或描述用于执行进程的硬件的数据，例如处理器温度、存储器使用等。存储器使用等。存储器使用等。

【技术实现步骤摘要】
使用处理器元数据检测加密货币挖掘的系统和方法
[0001]之前的申请数据
[0002]本申请要求2021年11月3日提交的、标题为“使用处理器元数据检测加密货币挖掘的系统和方法(SYSTEMS AND METHODS FOR DETECTION OF CRYPTOCURRENCY MINING USING PROCESSOR METADATA)”的先前印度专利申请202141050580的优先权，其全文通过引用并入本文。


[0003]本专利技术一般涉及确定处理器的使用；例如，如果处理器被不恰当地用于执行加密货币挖掘进程，而不是例如神经网络执行进程。

技术介绍

[0004]数据中心可以包括许多计算机处理器，这些处理器执行由远程实体操作、控制或“拥有”的不同计算机进程，这些实体可以是数据中心的客户。数据中心中的处理器可以包括例如CPU(例如，传统架构处理器)、图形处理单元(GPU)或其它处理器。GPU是专门的大规模并行硬件处理器，其可能包括数千个相对较弱的计算核心。某些进程至少部分地在GPU上进行计算。特别是神经网络(NN)执行、游戏和加密货币挖掘受益于GPU的使用。
[0005]加密货币挖掘可能允许实体赚取的加密货币单位(例如比特币，以太坊，门罗加密货币)，作为解决复杂数学和计算问题的奖励。
[0006]神经网络(NN)或连接主义系统是受生物计算系统启发的计算系统，但使用制造的数字计算技术进行操作。NN由经由连接、链路或边相互通信的通常称为神经元(其是人工神经元，而不是生物神经元)的计算单元组成。NN通常建模为抽象的数学对象，如函数。NN可以在CPU或GPU上执行，例如作为矩阵或张量操作序列。GPU和类似的大规模并行硬件设备可用于提供运行NN通常所需的大量计算。
[0007]实体可以从数据中心购买带宽。许多不同的实体可能同时在数据中心执行进程(例如NN执行，图形处理等)。恶意实体可能会通过执行数据中心禁止的应用程序来滥用数据中心计算或其他资源，例如导致停机和更高的运营成本。实体可能会劫持或破解数据中心的处理器，以执行挖掘加密货币的进程。黑客可能会通过例如用加密挖掘软件感染企业基础设施来加密劫持处理器，这些软件可能是隐藏的。加密货币挖掘可能会缩短GPU的预期寿命并损害GPU性能，并可能减少其他进程可用的资源或延迟数据中心中的其他进程。

技术实现思路

[0008]系统和方法可以通过从自执行进程的处理器收集的执行遥测或测量值计算或确定特征，以及从特征的至少一个子集确定处理器正在执行一类进程的可能性，来确定该类进程(例如NN执行、加密货币挖掘、图形处理)中的进程是否正在处理器上执行，或者正在执行的进程属于哪个类。执行遥测可以包括有关或描述进程的执行的数据，或描述用于执行进程的硬件的数据，例如处理器温度、存储器使用等。检测到的一类进程或活动可包括GPU
上的加密货币挖掘活动，该检测基于监视数据中心中的GPU测量值。
附图说明
[0009]下文将参照本段后面列出的附图，对本公开实施例的非限制性示例进行描述。选择图中所示特征的尺寸是为了方便和清晰地显示，因此不一定按比例显示。
[0010]被视为本专利技术的主题在说明书的结论部分特别指出并明确要求保护。然而，本专利技术关于组织和操作方法，连同其目的、特征和优点，都可以在阅读附图时通过参考下面的详细描述来理解。本专利技术的实施例在附图中以示例而非限制的方式示出，其中相似的附图标记表示对应的、相似的或类似的元件，并且其中：
[0011]图1描绘了根据本专利技术实施例的用于执行进程的系统。
[0012]图2示出了可与本专利技术实施例一起使用的示例性计算设备的高级框图。
[0013]图3是根据本专利技术实施例的方法的流程图。
[0014]图4A、图4B和图4C描绘了示出根据本专利技术实施例的一类进程之间遥测数据的图形。
[0015]可以理解的是，为了说明的简单性和清晰度，图中所示的元件不一定是准确绘制的或按比例绘制的。例如，为了清晰起见，某些元件的尺寸可以相对于其他元件被夸大，或者可以将多个物理组件包含在一个功能框或元件中。
具体实施方式
[0016]在下面的详细描述中，阐述了许多具体的细节，以便提供对本专利技术的透彻理解。然而，本领域技术人员将理解，本专利技术可以在没有这些具体细节的情况下实施。在其他情况下，众所周知的方法、过程和组件，模块、单元和/或电路没有被详细描述，以免模糊本专利技术。
[0017]本专利技术的实施例可以监视来自例如在数据中心中操作的处理器(例如GPU)的测量值或遥测。可以分析遥测或测量值，并且可以从测量值中导出特征，例如均值、标准偏差等。可以分析这些特征并且可以创建报告或警报，例如描述在处理器上正在执行禁止或不希望的进程的可能性。在一些实施例中，期望的或允许的进程(例如NN处理、游戏、图形处理)可以在同一处理器上，与不希望的或被禁止的进程(例如加密货币处理)同时执行，并且分析可以检测不希望的进程执行，尽管允许的进程在同一处理器上正在并行执行。例如，可能恶意或以其他方式违反政策(例如错误地)挖掘的示例加密货币是Etherium加密货币。在一些实施例中，检测到的一类进程可以包括针对特定“硬币”或货币类型的加密货币挖掘，并且不同的类可以涵盖不同的特定硬币。可以检测其它加密货币，并且在一些实施例中，每种加密货币可以具有不同的指纹或特征模式。被禁止的进程可能在处理器上执行，违反拥有处理器的实体的政策，例如经由加密劫持或恶意加密挖掘，并且拥有处理器的实体不知道正在进行加密货币处理，并且可能没有数据中心外部的实体(例如客户)要求执行合法进程，而该实体知道其进程已被劫持用于该实体预期之外的用途。
[0018]虽然本文讨论了GPU，但也可以监控其他处理器。虽然本文讨论了数据中心，但也可以监控处理器的其他安装。虽然如本文讨论的目标是不希望或禁止的进程是加密货币挖掘，但也可以监控其他不希望的进程。本文讨论的一个示例期望或允许的进程是NN处理(例如推理或训练)。但是，可以使用其他允许的进程(例如图形处理)。可以确定在一个或更多
个处理器上执行的哪一类进程，例如希望/不希望的加密货币挖掘，NN处理等，或者可以确定此类执行的可能性或概率。诸如遥测数据之类的数据可以从与进程执行相关联的设备中收集，例如处理器和/或相关联的组件或设备，例如处理器或存储器温度、处理器或存储器使用等。特征或推导可以从遥测数据中导出，例如均值、平均或滚动平均、标准偏差或滚动标准偏差等。特征和/或遥测数据，或特征或遥测数据的子集，可以提供给机器学习(ML)模型过程，例如随机森林过程模型(例如图1中的模型30)。ML模型可以提供在处理器上执行的进程属于某个类(例如是某种类型的加密货币挖掘进程)的可能性。从遥测或其他数据导出或计算的特征可以是通常基于多个基础数据点的计算，其可能反映基础数据点的某些趋势或分析。
[0019]随机决策森林是在训练时使用多个决策树的学习方法。多棵树的输出以某种方式组合以产生单个结果(例如，通过多数决策，由本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定一类进程是否正在处理器上执行的方法，所述方法包括：从执行进程的处理器收集的执行遥测中确定特征；以及从所述特征的至少一个子集确定所述处理器正在执行所述一类进程的可能性。2.根据权利要求1所述的方法，其中所述一类进程为加密货币挖掘。3.根据权利要求1所述的方法，其中所述执行遥测包括关于所述进程的执行的数据。4.根据权利要求1所述的方法，其中所述执行遥测包括来自列表的一个或更多个遥测项目，所述列表包括：设备功率使用；存储器使用；处理器温度，数据包从处理器的发送；以及到处理器的数据包的接收。5.根据权利要求1所述的方法，其中所述特征包括来自由滚动平均和滚动标准偏差组成的列表的一个或更多个特征。6.根据权利要求1所述的方法，其中确定包括：向机器学习算法提供所述特征的子集。7.根据权利要求1所述的方法，其中确定包括：向随机森林算法提供所述特征的子集。8.根据权利要求1所述的方法，包括输出所述可能性。9.一种系统，用于确定一类进程是否正在处理器上执行，该系统包括：存储器；以及处理器，用于：从执行进程的处理器收集的执行遥测中确定特征；以及从所述特征的至少一个子集确定所述处理器正在执行所述一类进程的可能性。10.根据权利要求9所述的系统，其中所述一类进程为加密货币挖掘。11.根...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：辉达公司，
类型：发明
国别省市：