基于FPGA技术的网络包头分类的研究

在基于FPGA技术的入侵检测系统的研究中,提出了一类结合三态内容可寻址内存(TCAM)和普通存储器(RAM)的网络包包头分类方案.将检测规则编号并位图化,使用RAM存储与包头结构相关的规则位图,通过TCAM上的数据匹配操作,快速关联待分析的网络数据包与入侵检测规则.在Quartus II 5.0上的仿真结果表明,时钟频率100 MHz下的片内分类速度达到1.8 Gbps.     

并行层压缩树包分类算法

在层压缩树路由算法思想基础上提出了一种新的硬件包分类算法--并行层压缩树包分类算法.该算法是基于独立存储单元和多域并行处理并在FPGA内部实现的高速网络包分类算法,主要包括单通道并行搜索和多通道综合比较两大部分.仿真结果表明在40 MHz的搜索时钟频率下,该算法能够达到每秒2 M包头的处理速度,其空间性能明显优于其他算法,具有O（d）的时间复杂度（d为域的个数）和O（dN）的空间复杂度（N为规则数）.     

基于统计决策树的包分类算法

基于网络包分类算法在时间和空间复杂度上的限制,启发式策略一般具有较快的速度,同时在应用上具有较好的前景,提出了一种基于统计决策树的启发式包分类算法.该算法把规则头部中的每一位看作一个特征属性,因为不同位有不同的区分效果,根据对规则的统计把最具有区分意义的几位提取出来作为决策树的决策属性,使规则在子集中分布比较均匀,在子集中也做同样的处理,递归形成树形的数据结构;匹配时在树的每一层根据区分位判断其所属的子集,直到找到相匹配的规则.算法测试表明能实现高效的分类.     

高速包分类平台的FPGA设计

在网络安全系统中,基于软件的包分类系统受处理器性能与软件串行执行等因素影响,包分类速度有限.为了提高包分类和规则预处理的速度并快速适应规则的更新,本文用硬件电路与通过预规则处理生成的二叉树结构,设计并实现了基于FPGA的包分类系统.实验结果显示:50 000个规则的预处理时间不超过0.051 s;系统的包分类平均速度大于10 Gbit/s,Snort入侵检测系统的规则头的分类平均速度大于20 Gbit/s.     

基于主动包技术的网络性能优化研究

随着网络技术的不断发展,新应用和新技术层出不穷,促进了网络新业务的出现,同时对网络性能的改善不断提出新的要求。主动包技术改善了传统网络的"端到端"模型,提高了网络的灵活性和可扩展性。通过仿真比较研究了主动包技术的网络性能优化,并与传统网络进行性能比较,具有现实意义。     

小波包基的一种选择方法

小波包库包含了很多小波包基，这些基能够处理信号的不同分量。因此，选择合适的小波包基，就可以提取信号的特征。在遗传算法和散度分类准则的基础上，提出了小波包基的选择方法，并且给出了实例。通过实例验证，本文提出的方法是可行的。     

“词汇网络包”在大学英语课程教学中的应用

"词汇网络包"是指有紧密语义关联的词汇集合。首先讨论了"词汇网络包"的定义,接着介绍了"词汇网络包"的编写理念和原则,然后探讨了"词汇网络包"的编写体例结构,最后分析了将"词汇网络包"运用于大学英语课程教学中需要注意的问题。从而指出,在大学英语课程教学中,利用"词汇网络包"进行词汇教学是一种有效的词汇教学新模式。     

基于车辆悬架振动响应的地面分类研究

为提升车辆在自然界地面上行驶时利用悬架振动响应识别地面类型的分类准确率,提出将时域参数特征和小波包能量特征相结合的特征提取方法,利用概率神经网络（PNN）对地面进行分类,对比了时域参数特征、小波包能量特征及两者结合的分类效果.试验中,使用道路模拟试验台输出6种路面时域高程,将单轴加速度传感器安装在车辆悬架摆臂上,采集垂向加速度信号.结果表明,使用提出的特征提取方法可以取得良好的分类效果,平均分类准确率达到了91.3%,明显优于其它两种方法.      

一种新的Ad hoc网络多包接收算法

基于多相位调制实现信号分离的盲干扰消除方法,提出了一种新的Ad hoc网络多包接收算法。该算法采用判决反馈和信道估计机制降低了弱用户数据包恢复的误码率。实验结果证明,该算法不仅能够实现多包接收和多包分离,而且能够有效地改善整个网络的多包接收性能。     

心室晚电位识别的一种方法

论文采用小波包分析和人工神经网络相结合的方法完成对心室晚电位的识别。首先利用小波包分解技术提取心电信号的特征，将不同频带子信号的能量作为心电信号的一组特征值，然后采用径向基函数网络实现对晚电位的分类。经过对28例3导信号平均心电图实验数据的处理，取得了较高的识别准确率。     

IP报文分类识别中的神经网络集成技术研究

Intemet网络应用的发展要求路由器支持服务质量（QoS）控制,一个公共的要求是路由器能够基于报文头的某些字段对报文进行分类。本文针对IP报文分类提出了一种结合IP报文头特征和多级神经网络集成技术的IP报文分类识别方法。并在此基础上给出了相应的算法。     

一种基于Cross-Product与HashTree的IP分类算法

在Cross-Product算法的基础上，结合哈希树（HashTree）数据结构，综合二者的优点，提出了一种新的IP分类算法CPHTIT（Cross-Product and HashTree with index table）。仿真结果表明CPHTIT在时间和空间上都达到了高速IP分类的要求，与现有经典算法Grid of Tries和Modular比较，其综合性能有所改进。     

一种渐晕纹理图像自动分类方法

传统纹理分类方法对光照比较敏感,不均匀的光照分布（如渐晕）会在很大程度上影响纹理分类的准确率．为解决此类问题,针对渐晕纹理图像,提出了一种纹理图像自动分类方法;在利用小波包提取纹理指数算法的基础上,根据渐晕系数自动调整各小波包分解系数,从而消除了渐晕现象对纹理特征指数的影响,最终提高了纹理分类的准确率．仿真实验结果表明,利用此方法对渐晕纹理图像进行分类,准确率有了较大程度的提高,取得了比较理想的分类效果．     

基于拥塞避免的卫星网络路由算法

提出一种基于低轨道和静止轨道星座的双层网络新路由算法, 利用低轨道卫星及其星间链路构成的网状拓扑对星上路由进行计算, 并通过拥塞避免和数据包分类机制进行优化, 解决了卫星网络中由于业务流量大而导致的网络拥塞问题. 仿真结果表明, 该方法降低了网络平均端到端的时延和平均丢包率, 从而提高了网络性能.     

基于网络处理器的快速流分类技术研究

以一种改进的基于区域分割思想的并行流分类算法--ICRP(Improved Collateral Regional Partition)为基础.设计并实现了一种基于Intel IXP2400网络处理器的流分类引擎.实验结果表明,该流分类引擎性能良好,达到了千兆级高速网络应用的要求.     

Study on an absolute non-collision hash and jumping table IP classification algorithms

In order to classify packet, we propose a novel IP classification based the non-collision hash and jumping table frie-tree (NHJTTT) algorithm, which is based on noncollision hash Trie-tree and I.akshman and Stiliadis proposing a 2-dimensional classification algorithn! (LS algorithm). The core of algorithm consists of two parts: structure the non-collision hash function, which is constructed mainly based on destination source port and protocol type field so that the hash {unction can avoid space explosion problem; introduce jumping table frie tree based LS algorithm in order to reducetime complexity. The test results show that the classification rate of NHJTTT algorithm is up to 1 million packets per second and the maximum memory consumed is 9MB for 10000 rules,     

一个快速的多维数据包分类算法

通过引入位图映射以及元组空间的概念,提出了一个数据包分类算法,该算法可以满足高性能网络对骨干路由器的要求,能够以线速完成对输入数据包的分类处理。算法在时间及空间复杂度上性能较好,并具有很好的扩展性。     

融合频带能量特征和双向门控循环单元的运动想象意图识别

针对脑电信号分类正确率低的问题,结合频带能量、小波包变换和双向门控循环网络,提出了一种基于频带能量特征序列和深度学习算法的运动想象意图识别方法。首先,利用小波包变换对脑电信号进行分解、重构,获得运动想象相关频带信号;其次,对所得频带信号进行加窗,并滑动截取,通过计算所截每段信号能量,实现能量特征的时序化分解;最后利用双向门控循环网络对脑电信号进行识别并输出分类结果。实验结果表明:所提算法取得了92.1%的分类正确率,表明所提方法是切实可行的,能够有效改善分类识别率。     

High-Performance Packet Classification on Multi-Core Network Processing Platforms

Packet classification is crucial to the implementation of advanced network services that require the capability to distinguish traffic in different flows, such as access control in firewalls and protocol analysis in intrusion detection systems. This paper proposes a novel packet classification algorithm optimized for multi-core network processors. The proposed algorithm, AggreCuts, has an explicit worst-case search time with modest memory usage. The data structure of AggreCuts is flexible and well-adapted to different types of multi-core platforms. The algorithm on both Intel IXP2850 32-bit and Cavium OCTEON3860 64-bit multi-core platforms was implemented to evaluate the performance of AggreCuts. The experimental results show that AggreCuts outperforms the best-known existing algorithm in terms of memory usage and classification speed.