快速包分类算法的研究及其在防火墙中的应用

快速包分类算法的研究及其在防火墙中的应用

论文摘要

随着网络技术的飞速发展和各种新业务的出现,包分类技术广泛应用于高速网络中,成为许多网络关键技术的基础,包分类算法速度的快慢和性能的好坏等都直接影响到各种网络的性能。因此,研究高速有效的包分类算法具有重要的意义。本文在对经典包分类算法进行深入研究的基础上,提出了基于递归流(RFC)和哈希树的包分类算法,并将该算法应用于防火墙包过滤模块中。论文的研究工作主要有以下几个方面:(1)对目前四类经典的包分类算法进行了阐述和分析,对不同算法的性能和应用场合进行了比较和评价。(2)深入分析了RFC算法,对其主要思想和优缺点进行了阐述,针对其存储消耗大的缺点,采用压缩的CBM结构和规则合并的方法对其进行了改进。(3)针对实际规则库的结构特征,以及地址前缀长度和端口等字段的统计特性,提出一种基于RFC和哈希树的包分类算法。该方法将IP地址字段和其他字段分开处理,利用哈希树算法对地址字段进行处理,而对其他字段则使用RFC算法处理。仿真结果表明,该算法与RFC算法相比,在保持较快的查找速度的同时,降低了存储需求。(4)将基于RFC和哈希树的包分类算法应用到防火墙包过滤模块中,以提高防火墙性能,并将运用了本文算法的防火墙和线性搜索防火墙在复杂的网络环境下,进行了对比测试。测试结果表明,运用了本文算法的防火墙在复杂规则库和复杂环境下,其转发性能和稳定性都优于线性搜索防火墙。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题研究背景与意义
  • 1.2 国内外研究现状及存在的问题
  • 1.3 论文的主要内容和结构安排
  • 第二章 数据包分类算法
  • 2.1 数据包分类概述
  • 2.2 数据包分类算法的评价指标
  • 2.3 经典的数据包分类算法
  • 2.3.1 基于数据结构的算法
  • 2.3.2 基于几何的算法
  • 2.3.3 启发式算法
  • 2.3.4 基于硬件的算法
  • 2.4 各种算法性能比较
  • 2.5 本章小结
  • 第三章 递归流分类算法
  • 3.1 RFC算法
  • 3.1.1 基本思想
  • 3.1.2 预处理阶段
  • 3.1.3 查找阶段
  • 3.2 RFC算法分析
  • 3.2.1 性能分析
  • 3.2.2 算法的优缺点
  • 3.3 RFC算法改进
  • 3.3.1 CBM结构改进
  • 3.3.2 规则合并
  • 3.4 本章小结
  • 第四章 基于RFC与哈希树的包分类算法研究
  • 4.1 哈希树算法
  • 4.1.1 算法的基本结构
  • 4.1.2 算法的预处理过程
  • 4.1.3 算法的匹配过程
  • 4.2 基于RFC与哈希树的包分类算法
  • 4.2.1 算法的预处理过程
  • 4.2.2 算法的查找过程
  • 4.3 算法性能分析与仿真
  • 4.3.1 算法性能分析
  • 4.3.2 算法仿真
  • 4.4 本章小结
  • 第五章 包分类在防火墙中的应用及测试
  • 5.1 数据包过滤
  • 5.1.1 访问控制列表
  • 5.1.2 包过滤处理流程
  • 5.1.3 数据包分类流程
  • 5.2 算法实现
  • 5.2.1 公共数据结构
  • 5.2.2 算法实现数据结构说明
  • 5.2.3 算法的部分过程优化
  • 5.3 性能测试与结果分析
  • 5.3.1 测试环境
  • 5.3.2 测试方法
  • 5.3.3 测试结果与分析
  • 5.4 本章小结
  • 第六章 总结与展望
  • 参考文献
  • 攻读硕士学位期间发表的论文
  • 致谢
  • 相关论文文献

    • [1].大数据挖掘中的数据分类算法技术研究[J]. 电子技术与软件工程 2015(14)
    • [2].基于粒度空间的最小生成树分类算法[J]. 南京大学学报(自然科学) 2017(05)
    • [3].一种心律失常分类算法[J]. 电子世界 2020(04)
    • [4].数据挖掘中数据分类算法的比较分析[J]. 吉林师范大学学报(自然科学版) 2008(04)
    • [5].数据挖掘分类算法研究综述[J]. 中国高新技术企业 2008(24)
    • [6].包分类算法研究综述[J]. 计算机工程 2015(12)
    • [7].传统图像分类与深度学习分类算法比较研究[J]. 荆楚理工学院学报 2020(02)
    • [8].Titanic生存问题常见分类算法对比分析[J]. 电子世界 2017(22)
    • [9].基于贝叶斯理论的分类算法研究[J]. 计算机光盘软件与应用 2014(16)
    • [10].数据挖掘中分类算法综述[J]. 重庆师范大学学报(自然科学版) 2011(04)
    • [11].基于多层感知器神经网络的智能分类算法[J]. 通信电源技术 2020(05)
    • [12].百科实例的分类算法探究[J]. 科技创新与应用 2015(13)
    • [13].一种快速的五元一维包分类算法[J]. 电脑知识与技术 2009(36)
    • [14].因素空间理论下基点分类算法研究[J]. 智能系统学报 2020(03)
    • [15].低代价的数据流分类算法[J]. 计算机系统应用 2016(12)
    • [16].云环境下的信息分类算法研究[J]. 太原师范学院学报(自然科学版) 2015(04)
    • [17].基于距离的粒计算分类算法[J]. 信阳师范学院学报(自然科学版) 2015(02)
    • [18].快速流分类算法的研究[J]. 数字通信 2010(01)
    • [19].基于基因表达式编程的代价敏感分类算法[J]. 吉林大学学报(信息科学版) 2009(04)
    • [20].集成学习之随机森林分类算法的研究与应用[J]. 电脑知识与技术 2020(21)
    • [21].基于组合分类算法的源代码注释质量评估方法[J]. 计算机应用 2016(12)
    • [22].社交地点分类算法设计与实现[J]. 现代计算机(专业版) 2017(20)
    • [23].关于数据挖掘中的数据分类算法的综述[J]. 电子制作 2014(13)
    • [24].稀有类分类算法的研究[J]. 电脑开发与应用 2010(09)
    • [25].基于K近邻分类算法的敏感信息过滤方法研究[J]. 科学技术创新 2020(28)
    • [26].大数据处理中分类算法的数值比较[J]. 数学的实践与认识 2019(13)
    • [27].一种改进的并行K_近邻网络舆情分类算法研究[J]. 微电子学与计算机 2015(06)
    • [28].基于分布式数据流的大数据分类算法[J]. 饮食科学 2019(04)
    • [29].基于聚类核的半监督情感分类算法研究[J]. 计算机技术与发展 2016(12)
    • [30].基于多传感器数据融合的目标分类算法[J]. 航天电子对抗 2013(04)

    标签:;  ;  ;  ;  

    快速包分类算法的研究及其在防火墙中的应用
    下载Doc文档

    猜你喜欢