多单元散列表与TCAM结合的OpenFlow流表查找方法

在Open Flow网络中,交换机通过标准化的接口接受基于流的规则,执行基于流的报文处理。流表的查找是Open Flow交换机的核心功能,TCAM以其优异的性能广泛用于Open Flow流表的查找,然而基于TCAM的Open Flow流表查找具有较高的成本与能耗。为了降低流表查找的成本与能耗,提出了多单元散列表与TCAM结合的Open Flow流表存储与查找的方法。通过理论分析与仿真测试,给出了查找结构成本优化后的散列表、TCAM的容量配置;在该配置下,Hash-TCAM流表查找结构比单纯使用TCAM的方案节约90%以上的成本,有效降低了能耗,同时保持了相近的查找性能。

Hash函数实现数据包分流算法研究

随着 Internet 规模的不断扩大与应用技术的不断进步,越来越多的业务需要对数据包进行实时、快速的分类,对数据包分类的研究具有重要的现实意义。Hash 算法采用了散列算法的基本思想,并引入了流的局部性原理加速散列查找的过程。由于时间精确度较高和面向对象的特点,选用了 C^(++)语言编程对该算法进行了仿真测试,最后对 Hash 算法分析表明,Hash 算法具有良好的时间复杂度和空间复杂度,可以实现快速的分流。

用于快速流分类的关键字分解Hash算法

在Hash算法的基础上,提出一种基于关键字分解的快速流分类算法。通过把关键字进行分解,与预先选定的随机质数向量进行异或后相乘得出Hash值。实验结果表明,与IPSX、CRC32和Bob-Jenkins Hash算法相比,该算法在哈希值的计算速率、值的分布均匀性和冲突率等方面具有较好的性质,分类速度达到18 Mp/s,能满足快速网络流量测量的需求。

基于时延程策略的多会话时延损伤模拟

随着卫星网络、车联网络、工业网络等业务仿真模拟需求的日益增长,针对传统专用信道损伤仪存在的模拟链路数量少、灵活性低、资源占用高等问题,本文提出一种基于时延量程策略的多会话时延损伤模拟方法,构建灵活的软件网络损伤模拟。该方法通过识别检测独立控制各会话流的时延损伤,并采用基于时延程策略的多队列合并架构以降低资源占用。实验结果表明,相较于传统专用设备与模拟软件NetEm,该方法支持百万级链路的独立时延配置,会话流数从十数条增加到百万条,且在各带宽下降低至少85%的内存占用,满足大规模和精度的同时极大的降低系统成本。

用于特定流匹配的随机矩阵映射Hash算法研究

针对常规的Hash算法用于流匹配时冲突率高且不可控制的缺点,提出了一种随机矩阵映射Hash算法。该算法通过预先优选一个随机数矩阵,然后将大集合的元素分块映射成随机矩阵中的元素,从而把一个大集合映射到一个小集合。测试结果表明,该算法运算速度快、空间利用率高、冲突率低,用于流匹配时匹配速度可以达到2Mpacket/s,支持规则数达5万条以上。

基于多级散列的动态流量调度方法

为保证数据中心场景流量转发的整体质量,在数据中心交换机上需要一个能够区分大象流和老鼠流的流量调度方法。目前,在设备上并没有对其区分,而是当作一种流量进行转发,无法保证用户的体验。本文提出一种基于大象流和老鼠流识别的调度实现方案(MHS),将链路提前规划为低时延链路和高吞吐链路,数据中心交换机将流量通过多级不平等散列表的方式进行记录,设置流量的阈值筛选出大象流,借助调度策略重定向到高吞吐链路,减少大象流和老鼠流相互影响。在可编程交换机上进行试验,结果表明该方法可以在数据中心高性能网络达到较好的效果。本方法与等价多路径路由(ECMP)在高速网络中对比,性能提升明显,队列长度比ECMP降低16%,时延降低20%。

大规模软硬协同哈希表设计与实现

哈希表在网络报文处理,尤其是带状态的报文处理中发挥着重要作用.伴随着网络流量的快速增长,传统软件哈希表难以满足网络性能需求,而查找是影响哈希表性能的关键之一,如何提升哈希表的查找速率也一直是一个难点问题.经研究表明,现有的网络流量呈现Pareto分布特征,即存在少数的大流量数据——大象流.基于当前数据中心广泛采用的软硬协同计算模式,提出了一种基于DPDK+FPGA的大规模软硬协同哈希表架构.根据现有网络流量特征,将流量分成大象流与背景流.同时也将哈希表分成硬件表与软件表.在FPGA中构造小规模硬件表,卸载所有报文的哈希计算,以及大象流的哈希查找.在软件中基于DPDK构建大规模软件表,利用FPGA卸载哈希计算,加速背景流的查找.软件拥有所有流信息,利用采样法识别大象流并将大象流的键值对信息(key-value)更新到FPGA的硬件表中,以加速软件中大规模软件表的查找速率.采用Xilinx U200加速卡和通用服务器作为硬件平台,实现了软硬协同的大规模哈希表,并利用测试仪构造了符合当前网络特征的流量数据,以DPDK精确转发为例,验证了软硬协同哈希表的性能.结果表明,在大象流哈希查找完全卸载的情况下,其性能相较DPDK原有的精确转发提升了64%–75%;在大象流未卸载的情况下,其性能提升了5%–48%.

无人机集群 SDN 交换机转发表的设计与实现

给出了一种适用于无人机集群的软件定义网络(Soft Design Network,SDN)交换节点的设计方案,实现了一种应用于该交换节点的流表(转发表)算法。该算法采用多级流表查找方式,每一级具有不同的匹配优先级。在匹配表项有冲突的情况下,流表级数越高,优先级越高。完整实现了流表(转发表)电路,电路具有表项查找、表项添加、表项删除功能。表项查找时,搜索键值长度最高支持128 bit,查找结果Action Data最高支持144 bit。为避免哈希冲突,这里采用多桶哈希查找算法。搜索键值和查找结果可根据用户实际需求修改,灵活性强,可满足不同用户不同业务对于SDN网络的需求。

流测量算法综述

理解网络行为对于网络管理、规刬和发展都有重要意义,而流测量是了解网络行为的基础。由于网络的高速与流数量的巨大,使得实时在线的流测量变得很困难。因此各种流测量技术、流测量算法成为研究热点。文章综述了目前利用抽样和哈希技术在流识别和流分布方面取得的成果,并分析了各种算法的优缺点。最后分析了抽样与哈希技术的长处与不足,提出了多种技术相结合的研究方向。

IP协议分析仪的设计与实现

传统的基于SNMP协议流量监测工具有MRTG等,这些工具提供了网络流量的大小和变化的幅度;为了更好地了解互联网流量的本质,目前网络管理的研究集中在“网络流”压技术上。而Cisco的NetFlow服务提供了基于的“网络流”分析的方法。根据中国科技网在实际网络流量管理中的需求,本文介绍了“网络流”模型,分析了Cisco路由器NetFlow技术原理,根据NetFlow数据在流量和安全中的应用,引入了协议分析仪的技术,提出相关的设计和实现方案。

高速网络超连接主机检测中的流抽样算法研究

检测超连接主机是网络安全中的重要问题.而流抽样是高速网络环境下解决该问题的基础.现有解决方案使用基于哈希流抽样算法,其基本假设是存在均匀随机哈希函数.但是已有研究并没有评价此假设的合理性.该文通过技术分析和实验测试得出结论:在2.5Gbps以上高速网络中,以上假设在线性流ID序列情况下并不合理.随后,该文基于Bloom filter数据结构提出一种新的流抽样算法.算法分析表明:新算法具有10Gbps线速处理能力和较小的空间复杂度.最后,该文基于实际互联网数据进行实验评价,结果显示:新算法能够实现独立于流ID的等概率随机抽样.

基于TCBF_LRU的高速网络大流检测算法

在高速主干网络中,随着网络链路速率的不断提高和网络流数量的急速增加,同时受到硬件计算和存储资源的限制,如何及时、准确地在海量数据中,有效地检测出其中的大流信息,成为目前大规模高速网络流测量的热点问题.根据传统的LRU算法容易淘汰大流和频繁更新给系统带来巨大压力的缺陷,提出一种新的大流检测算法——TCBF_LRU算法,用于高速网络大流信息识别.算法通过时间超时和大流报文预保护策略,过滤大部分的小流报文,极大减少LRU算法小流置换大流的概率,提高算法的准确性.分析了算法的误判率和复杂度,并通过实际主干网trace数据,实验分析了算法参数配置对于大流检测准确性的影响.理论分析和仿真结果表明,与标准LRU算法和BF_LRU算法相比,在使用相同的缓存空间下,TCBF_LRU算法具有更高的测量准确性和实用性.

面向流管理的哈希算法研究

网络流的识别与管理在网络应用中有着重要作用。但是,随着网络链路速度的迅速提高,流管理变得越来越困难。哈希算法由于其常量查找时间和存储开销小的特点而具有很好的实用价值。本文首先提出了衡量流管理哈希算法性能的标准,然后提出了一个CRC20的哈希算法,并从理论与模拟实验两方面将它与其它几种哈希算法进行了对比,证明了所提出的CRC20算法具有较好的计算性能和很好的访存性能,适合高速网络链路中的流管理应用。

基于流的哈希函数比较分析研究

为了缓解高速网络测量与硬件资源之间的矛盾,需要对网络流进行抽样处理,基于哈希的流抽样技术的广泛应用,流哈希函数性能是整个测量系统的核心.高速网络测量中对于哈希函数的研究主要集中在报文哈希函数性能方面,目前还未对现有的流哈希函数的性能进行分析比较研究.从理论分析和实验验证的角度出发,提出了几种流哈希函数的性能测度,并使用CERNET主干流量比较验证了一些通用的流哈希函数的均匀性、冲突率等性能测度,为流哈希函数的选择与使用提供依据.

基于路由表哈希匹配算法的压缩策略

哈希算法是一种最优的匹配算法。但是在现今的网络应用中,该匹配算法的应用有一定的局限性。在分析了路由表地址匹配的延迟过程之后,得出产生延迟的主要原因是现今的路由表容量比较有限,从而造成在路由表中无法找到IP目的地址。提出了一种以现实的最大路由表容量为准来解决路由匹配延迟的压缩策略。其目的是去掉无法找到路由表目的地址的现象,通过对压缩后路由表容量的仿真试验,结果显示,在路由表中查找目的地址失败的问题已经解决,所以该策略是可行的。

一种基于硬件的大规模哈希流表设计与实现

基于流的报文处理是防火墙、入侵检测等网络安全应用的重要组成功能,其中流表是流处理技术的关键数据结构,流表的规模及访问性能直接影响到流处理的能力和速度。着眼于高速网络下大规模流表的硬件实现,设计了一种基于硬件的千万级哈希流表查找架构,并在FPGA平台上进行了实现和测试。该方案在保证访存效率的同时很好地解决了冲突的难题,利用有限的存储资源,满足了高达4 900万项的流表查找需求,测试能够实现92Mdesc/s的表查找速度,支持约220Gbps高速以太网的处理能力。

基于流抽样和LRU的高速网络大流检测算法

在高速主干网络中,随着网络链路速率的不断提高和网络流数量的增加,如何及时、准确地检测出网络中的大流信息,成为目前网络流测量的热点问题。根据传统LRU算法由于突发性大量小流导致淘汰大流的测量缺陷和网络重尾分布的特点,提出一种新的识别大流的算法——基于流抽样和LRU的大流检测算法。算法通过流抽样技术过滤大部分的小流,并通过LRU算法识别大流信息,将过滤和识别过程分离,减少小流错误淘汰大流的可能性,提高算法测量准确性。分析算法的复杂度和漏检率,并通过实际试验数据分析了算法参数配置对于大流测量的准确性的影响。理论分析和仿真结果表明,与标准LRU算法和LRU_BF算法相比,在使用相同的存储空间下,新算法具有更高的测量准确性和实用性。

网络群体心理趋势智能分析模型研究

网络群体是随着互联网网民的飞速膨胀而出现的虚拟聚集但真实存在的群体现象。由于互联网的隐秘性、自由性,使得网络群体能针对某一事物现象更真实地表述自己的观点。网络群体心理趋势分析是综合心理学、云计算、信息检索、自然语言处理、统计学等多学科理论和方法设计的智能模型。构建了以程序流为核心的网络群体心理趋势智能分析模型架构,突破了数据流方案,解决了云计算软件技术模式瓶颈。进一步研究了智能分析模型架构中核心模块的设计与实现,并以大学生网络群体的3万篇文本来检验该模型。结果表明,该模型能高效地实现网络群体心理趋势特征分析,能通过云图及结构方程模型给用户一个真实的感受。

基于垃圾代码的控制流混淆算法

针对控制流混淆会引入额外开销的问题,提出一种利用垃圾代码进行控制流混淆的算法。将分支垃圾代码算法和循环垃圾代码算法相结合,并引入Hash函数以限制代码的插入操作,从而控制代码长度的增长,降低程序分析的精确度,抵抗篡改攻击。实验结果表明,该算法能有效防御逆向工程攻击。

利用Bloom filter实现长流识别

给出了利用Bloom filter识别长流的算法。提出了使用分层哈希的方法,减少了在哈希过程中的冲突。采用带有部分主机信息的哈希函数,利用哈希串的重叠和数量上的一致性,使在识别长流的过程中能够很方便地还原出主机的信息;给每个哈希函数独立的存储空间,也在很大程度上减少了哈希过程中所带来的内部冲突。