Hardware-Anforderungen für AitherShield
Hardware-Spezifikationen
CPU
Moderner 64-Bit-Prozessor mit mehreren Kernen. Für Machine-Learning-Komponenten (TensorFlow) ist ein Prozessor mit AVX-Unterstützung (Advanced Vector Extensions) erforderlich. Gängige Intel Core i7/i9 oder AMD Ryzen 7/9 der neueren Generationen.
Arbeitsspeicher (RAM)
Mindestens 16 GB RAM werden empfohlen. Quanten-Simulationen, Datenanalysen und das Training von Machine-Learning-Modellen sind sehr speicherintensiv. Für komplexere Aufgaben oder größere Datensätze sind 32 GB oder mehr ideal.
Speicherplatz
Eine SSD (Solid State Drive) mit ausreichend freiem Speicherplatz wird dringend empfohlen, um die Ladezeiten für die umfangreichen Python-Bibliotheken und Datensätze zu verkürzen. Mindestens 50 GB freier Speicher.
Trusted Platform Module (TPM)
Für die volle Funktionalität des SystemIntegrityMonitor wird ein physischer TPM 2.0 Chip auf dem Motherboard benötigt. Der bereitgestellte Code simuliert diese Funktion zwar, für eine realweltliche, sichere Anwendung ist diese Hardwarekomponente jedoch entscheidend.
Grafikkarte (GPU)
Optional, aber dringend empfohlen: Für die Beschleunigung der TensorFlow-Berechnungen (LSTM-Modell) ist eine NVIDIA-GPU mit CUDA-Unterstützung (Compute Capability 3.5 oder höher) sehr vorteilhaft.
Betriebssystem
Linux
Ein 64-Bit-Linux-Betriebssystem (z. B. Ubuntu 20.04 oder neuer) wird dringend empfohlen und ist für die volle Funktionalität wahrscheinlich erforderlich. Der Code verwendet spezifische Linux-Befehle wie lscpu, ifconfig und greift auf Systempfade wie /proc/cpuinfo zu.
Ein 64-Bit-Linux-Betriebssystem (z. B. Ubuntu 20.04 oder neuer) wird dringend empfohlen und ist für die volle Funktionalität wahrscheinlich erforderlich. Der Code verwendet spezifische Linux-Befehle wie lscpu, ifconfig und greift auf Systempfade wie /proc/cpuinfo zu.
Software & Python-Bibliotheken
Python-Umgebung
- Python: Eine aktuelle 64-Bit-Version von Python 3.8 oder neuer
- pip: Version 19.0 oder neuer für die Installation der Pakete
Wichtige Python-Bibliotheken
qiskit
Für alle Quantenschaltungen und Simulationen
tensorflow
Für das LSTM-Modell und die Anomalieerkennung
scikit-learn
Für das IsolationForest-Modell
numpy
Grundlegende Bibliothek für numerische Operationen
scipy
Für wissenschaftliche und statistische Berechnungen
matplotlib
Zur Erstellung der Visualisierungen und Plots
Berechtigungen
Administrator-/Root-Rechte
Für den vollen Funktionsumfang, insbesondere für die Notfallprotokolle, die Netzwerk-Schnittstellen deaktivieren (sudo ifconfig ... down), sind Root-Rechte erforderlich.
Für den vollen Funktionsumfang, insbesondere für die Notfallprotokolle, die Netzwerk-Schnittstellen deaktivieren (sudo ifconfig ... down), sind Root-Rechte erforderlich.
Zusätzliche Ressourcen
TensorFlow Systemanforderungen
Das nachfolgende Video erläutert die minimalen Systemvoraussetzungen für die Ausführung eines einfachen TensorFlow-Projekts, was für das Verständnis der Anforderungen des Machine-Learning-Teils von AitherShield relevant ist.
TensorFlow Projekt Systemanforderungen - YouTube
Das nachfolgende Video erläutert die minimalen Systemvoraussetzungen für die Ausführung eines einfachen TensorFlow-Projekts, was für das Verständnis der Anforderungen des Machine-Learning-Teils von AitherShield relevant ist.
TensorFlow Projekt Systemanforderungen - YouTube