Deep Packet Inspection Based on Many-Core Platform

With the development of computer technology, network bandwidth and network traffic continue to increase. Considering the large data flow, it is imperative to perform inspection effectively on network packets. In order to find a solution of deep packet inspection which can appropriate to the current network environment, this paper built a deep packet inspection system based on many-core platform, and in this way, verified the feasibility to implement a deep packet inspection system under many-core platform with both high performance and low consumption. After testing and analysis of the system performance, it has been found that the deep packet inspection based on many-core platform TILE_Gx36 [1] [2] can process network traffic of which the bandwidth reaches up to 4 Gbps. To a certain extent, the performance has improved compared to most deep packet inspection system based on X86 platform at present.

首创基于DPI一体化松耦合架构和大数据技术的4/5G双网融合智能感知分析能力体系研究

电信运营商拥有遍布全国的通信网络,提供服务的同时也客观真实地记录、存储着每一条信令和用户行为信息,数据体量巨大,内容也十分全面丰富。中国电信安徽公司为了响应国家和集团数字化、智能化、开放化进行演进,提升无线网自智能力,基于大规模神经网络、知识图谱技术、AI强化网络内生数据洞察与业务感知能力,逐步实现无线质差场景自维护、自优化、自修复等十二项核心能力。在此背景下本章文旨在研究并设计一种基于DPI一体化松耦合架构和大数据技术的4/5G双网融合智能感知分析能力体系,总结研究和建设结果,展望未来的研究方向。

基于DPI的互联网视频业务精准推荐方法

通过深度包检测(Deep Packet Inspection,DPI)技术,分析用户访问互联网视频的行为。改变以往单一地从互联网视频网站和用户上网流量中提取用户行为的思路,采用DPI深度报文检测技术分析网络视频流量,结合视频请求、视频搜索及视频本身信息,精确、全面地分析用户视频行为,从数据源头解决用户访问多互联网视频网站时,各网站之间的用户分析信息无法关联的问题,可以快速、准确、有效地提取重度视频用户及其行为喜好,大大提升对价值视频用户挖掘的准确度。

一种联合DPI和DFI的网络流量检测方法

提出一种以深度包检测(DPI)技术为主、深度流检测(DFI)技术为辅的网络流量检测方法。基于MPC8572网络处理器的模式匹配引擎模块,利用DPI实现细粒度检测,对于DPI的误识别情况,通过DFI进行鉴别并提示重新检测,以达到纠错目的。实验结果表明,联合方法具有检错和纠错功能,且能提高网络流量检测的准确率。

基于DPI的流媒体流量监控系统的分析与设计

针对网络上P2P流媒体应用日益盛行所引发的一系列诸如耗费网络宽带、不良信息传播、信息安全等问题的负面影响,结合DPI(Deep Packet Inspection)技术应用背景,综合考虑网络用户实际需求,提出一种基于DPI的流媒体流量监控系统,文中对系统的架构及相关各模块的分析设计进行了详细的阐述,并通过搭载实际试验环境对系统性能进行验证,结果证明该系统对于流媒体应用流量的识别与控制均能达到较好的效果,完全能满足用户的需求。

基于DPI的LTE网络用户行为感知系统的设计与实现

针对电信运营商越发迫切的智能管道需求,提出了一种具有自学习功能的移动互联网用户行为感知系统的解决方案。本方案针对传统监测系统用户感知度低、统计能力不足等缺点,对现行LTE网络S1接口用户面协议进行分析,并结合当前互联网主流的行为分析技术——深度分组检测(DPI)技术和聚类爬虫技术的优势,实现了以协议解码、业务呼叫/事务详细记录(xDR)合成为基础的LTE网络用户行为精准分析。本系统经现网数据验证,能达到既定目标,对满足智能管道的需求具有一定的指导价值。

基于nDPI的流量监控分析实验平台研究

流量监控分析是信息网络学科的重要内容,也是网络工程、计算机科学与技术、物联网等专业的实验教学体系中的核心内容之一。针对现有的网络流量监控分析实验平台大多过于简单,未能提供有关分光、端口镜像、深度报文检测等深层次的实验内容,该文提出一种基于nDPI的网络流量监控分析实验平台TMALab,不仅能提供基本的报文采集、协议分析等基础实验,同时还能为大学生创新、集中性实践教学以及科学研究提供实验条件。给出了其设计框架和系统的实现。实际测试结果表明,该系统可以较好满足流量监控分析实验教学的需要。

基于深度流量分析的挖矿行为检测与实践

为密织防范网络,清理挖矿木马病毒,有效治理校园网虚拟货币挖矿行为,提出了一种校园网恶意挖矿行为的检测与阻断模型。该模型采用基于签名的深度包检测技术,结合动态威胁情报,建立了挖矿协议的状态机模型,对报文进行深度包分析,以识别挖矿协议,在校园网出口实现挖矿流量的检测、识别与阻断。实践证明,该模型能够实时检测出虚拟货币相关流量,动态拦截受害矿机与矿池的通信流量,并实时定位受感染主机,有效地遏制校园网的恶意挖矿行为。

软件定义网络中DPI功能节点的部署研究

在软件定义网络(SDN)环境下,通过深度包检测(DPI)技术对网络流量进行分类识别。在应用层部署的DPI功能节点越多,网络流量分析的总处理时延就越小。但由于DPI节点的部署成本昂贵,因此需要优化部署方案。针对SDN中DPI节点部署问题,根据QoS处理时延,对DPI节点进行负载均衡,将该问题抽象为多商品流的线性规划问题,并设计基于成本的两阶段贪心算法加以解决。通过贪心策略为入口交换机选择低成本的DPI节点,并针对流处理过程进行负载均衡,进而通过搜素算法寻找最短路径用以降低时延。实验结果表明,该方法优化了DPI节点部署成本,提升了流量分析与检测的请求成功率。

一种基于深度报文检测的合成视频质量评估方法

移动视频业务快速发展,用户感知与网络KPI指标发生偏离,传统视频运维支撑手段存在端到端问题定界难的问题。本文对国内电信运营商移动视频业务特性进行分析,提出一种基于深度报文检测的视频合成算法,将事务级的DPI单据进行关联,以一个完整的视频业务为单位输出相关体验评估信息,进而研究以业务级为基础的DPI指标,用于评估用户观看完整视频的全过程感知,提升用户感知保障。此方法能够覆盖主流的视频网站资源,本文所提出的方法经过实际应用验证,可真实评估视频质量及用户感知体验,助力实现国内电信运营商通信网络问题定界与网络自动驾驶。

OpenDPI报文识别分析

传统数据流分析方法不能实现对数据流的精细化管理。为此,介绍开源深度报文检测程序OpenDPI,研究其源代码的设计结构和功能,分析报文识别的原理和过程,解决数据流会话的有效期和多报文处理问题。分析结果表明,OpenDPI可实现对报文协议规则的动态添加与更新。

制造企业物联网信息安全威胁分析及防护策略研究

以某制造企业物联网系统为研究对象,对数据处理层中所存在的信息安全威胁进行分析,提出深度包检测的防护策略,并进行访问控制模块设计,并将其应用在某制造企业当中,进行安全防护测试,验证结果显示深度包检测模块具有良好的数据过滤功能,能够有效提高服务器的安全性。

基于DPI数据挖掘实现URL分类挂载的相关技术研究

通过对DPI用户上网行为数据进行深入挖掘,实现与网页URL分类体系的归类映射,是精准锁定上网用户兴趣偏好特征的关键。在梳理DPI数据自动挂载URL分类节点流程的基础上,重点研究了过程中涉及的网页信息提取、中文分词、特征选择及文本分类等关键技术,为利用DPI数据提升客户洞察能力铺平了技术道路。

一种基于DPI和负载随机性的加密流量识别方法

随着加密技术的发展和私有协议的不断出现,加密流量的识别已经成为信息安全领域的重要研究方向.该文在现有加密流量识别技术研究基础上提出一种基于深度包检测技术(deep packet inspection,DPI)和负载随机性的加密流量识别方法,该方法主要分为三部分:首先用DPI技术对网络流量快速筛选识别;其次对DPI无法识别流量的有效负载计算信息熵值和蒙特卡罗仿真估计π值的误差;最后输入C4.5决策树分类器进行分类评估.所提方法不仅可克服了DPI无法完全识别协议交互阶段的加密数据和私有协议的缺陷,同时解决了用信息熵识别加密流量和非加密压缩流量误判的问题.实验表明,所提方法较现有的识别模型对加密流量的识别效果有较大提高,同时验证了所提方法的鲁棒性.

基于DPI和机器学习的网络流量分类方法

网络流量分类是实现网络管理的重要技术之一,但是单一的基于DPI或是机器学习的分类方法分类精确度低。提出了一种基于DPI和机器学习相结合的网络流量分类方法。该方法采用DPI检测已知特征的网络流量,利用机器学习方法辅助分析未知特征以及加密的网络流。实验表明该方法能够提高网络流量分类的精确度。

基于DPI的流量识别系统的开发与设计

互联网技术的发展使得网络流量复杂多样,网络安全事故增多,网络流量的识别与监控对保障网络安全具有越来越重要的作用。文中针对传统的只用软件监测流量速度慢而不能满足现代网络的高速数据吞吐量问题与只用硬件识别占用内存大的问题,提出了一种基于深度包监测(DPI)的流量识别系统开发与设计方法,该方法采用软硬结合,其基于正则表达式,主要思想是针对复杂网络协议则用软件识别,而常用的网络协议则用硬件识别,从而使得系统结合传统软件与硬件方法的优点。实验结果表明,文中所设计的系统识别准确率高,且在网络没有堵塞的前提下无误报、漏报现象,满足网络使用需求。

DPI技术在贵州电网互联网统一出口网络的应用

作为贵州电网与互联网互联的关键组成部分,贵州电网互联网统一出口网络的重要性不言而喻。现阶段互联网应用越来越丰富,各种新业务层出不穷,越来越多的新业务对带宽的要求越来越高,这就造成新业务对关键业务的带宽抢占。作为与生产息息相关的互联网统一出口网络,如何保障关键性生产业务的业务带宽、保障关键性应用就成为网络运维的重要组成部分。在对贵州电网互联网统一出口网络中所应用的DPI(Deep Packet Inspection)深度包检测技术的应用进行阐述。

一种基于DPI自关联数据包检测分类方法

随着互联网的不断发展,越来越多的非传统业务兴起,由于大量采用迂回机制、加密隐藏技术,使得这些业务变得难以控制管理,影响传统业务的正常性能.现有识别方法普遍采用端口识别以及深度包检测技术DPI,难以识别迂回流量以及加密流量.因此本文提出一种基于DPI自关联检测分类方法,该方法首先通过与样本流之间七元组关联关系识别迂回流量,这部分称为强关联(SA),然后提取检测流特征值,通过本文提出的分类决策函数进行识别,这部分称为弱关联(WA),实验结果表明,该方法能克服DPI技术不能识别迂回流量以及加密流量的缺点,提高业务流识别准确率.

基于电信运营商固网DPI系统的大数据清洗方案

本文提出了一种针对电信运营商固网http信息的清洗方案,经过现网试点部署验证可到80%以上的清洗率,大大节省了存储空间和网络传输带宽,对运营商开展固网大数据业务具有重要的借鉴意义。

基于互联网DPI的视频业务体验质量分析方法研究

互联网宽带用户对视频清晰度和流畅度的要求越来越高,良好的体验质量成为挽留用户的关键因素。在竞争激烈的互联网和异军突起的OTT TV(Over-The-Top TV,互联网电视)服务提供商大背景下,如何缓解用户数量激增带来的网络压力,且满足用户的高质量业务体验诉求,成为网络运营商亟需解决的一大难题。基于运营商网络出口部署的DPI(Deep Packet Inspection,深度包检测)系统,提出视频业务体验质量分析技术方案,运营商可获取终端用户的实际体验数据,直观地综合评估视频业务质量和性能,从而为优化网络等后续措施提供数据支撑。