受人类大脑启发的新型计算机系统，通过甄别更有效地揭示网络IOC的特定模式，提升网络威胁检测率。

该新型系统名为“神经网络显微镜”，由刘易斯罗兹实验室和桑迪亚国家实验室联合开发，旨在解决当前系统在复杂的攻击指标(IOC)检测上的局限。这些复杂指标被研究人员比喻为“新品种的‘坏苹果’”。

该系统的设计者解释称，很多现代网络安全系统可能会查找普通的IOC，或者只找寻特定模式，而且通常需要安全分析师从大量误报中筛选出真正的危险。

而通过这套受人脑启发研制而成的系统，不仅仅可以搜索指征特定“坏苹果”的复杂模式，还节能——因为其耗电量甚至不足一盏60瓦的小灯灯。

该显微镜的处理器基于刘易斯罗兹实验室共同创始人帕梅拉·福利特博士的神经科学研究。该研究作为人脑信息处理计算模型，为福利特博士的丈夫，刘易斯罗兹实验室共同创始人兼CEO大卫·福利特所用。

计算机系统专家约翰·耐格率领的团队认为，网络安全将是神经处理器“闪耀”的领域。

我们很快意识到，这个架构可以极大提升我们查找模式的能力，甚至探寻复杂模式也可以。

传统检测系统将收到的数据与恶意模式库进行对比，而神经网络显微镜则依据时间将流数据与可疑模式相对照——检测效率由此提升。

桑迪亚实验室称，演示环境中的测试表明，该系统在“坏苹果”模式愈驱复杂的情况下表现更好，而对照组所使用的当前最尖端传统系统则随“坏苹果”模式复杂度提升，效率呈指数级下降。另外，该实验室宣称，“显微镜”比传统网络安全系统“快100倍，省电1000倍。”

不过，目前，神经网络显微镜还仅仅处于部署实用的早期阶段。

桑迪亚和刘易斯罗兹实验室还在探索通用神经架构的其他用途，包括用于音频和图像处理，以及高效数字排序的机器学习。