基于GPU的NIDS多模式匹配的研究.pdf

1、隨著高速網絡環(huán)境的日益普及，傳統(tǒng)網絡入侵檢測系統(tǒng)(Network Intrusion DetectionSystem，NIDS)檢測海量網絡數(shù)據(jù)報文時普遍存在檢測效率不高、處理能力不足及丟包率較高等瓶頸問題。如何提高NIDS在高速網絡環(huán)境中的執(zhí)行效率，已成為目前網絡安全領域的研究熱點問題之一。雖然如今已有針對高速網絡環(huán)境的較為優(yōu)秀的網絡入侵檢測系統(tǒng)，但大多都是通過使用專門設計的加速硬件來提高檢測速度，不但成本昂貴且靈活性不足，只適用于特

2、殊機構而無法大規(guī)模普及和推廣。由于近年來，計算機圖形處理器(Graphic Processing Unit，GPU)在自身硬件性能上取得了高速發(fā)展同時價格相對較低，其非圖形領域的GPU通用計算(General-Purpose computing on Graphics ProcessingUnits，GPGPU)伴隨著其日益成熟的可編程工具，使發(fā)掘使用GPU極其可觀的并行處理資源，早已成為國內外學者的研究重點。
　　 該文就是在

3、上述研究背景下，為利用GPU強大的高性能并行處理能力，結合GPU自身特殊的體系結構特點，將傳統(tǒng)實現(xiàn)于CPU的WM(Wu-Manber)多模式匹配算法做了相應的并行化改造，進而提出了一種基于GPU的多模式匹配算法，即GPU WM算法。經實驗驗證，本文GPU WM算法較原算法能夠取得較好的加速比。在研究分析了目前較流行的開源Snort入侵檢測系統(tǒng)后，本文的后續(xù)工作主要是使用GPU WM算法作為Snort檢測引擎算法，利用GPU的高并行處理能

4、力來提高Snort的整體檢測速度。本文先是設計了基于GPU檢測引擎的Snort系統(tǒng)架構，之后為降低Snort所捕獲報文從主機內存到GPU顯存的傳輸時間消耗對整個系統(tǒng)執(zhí)行效率的影響，采用了分塊分批傳入GPU的解決方案。因Snort規(guī)則庫三維鏈表組織結構較為復雜，目前采用的臨時處理辦法是對Snort規(guī)則庫中的待匹配模式串進行了提取以適用于GPU WM算法。
　　 經模擬實驗測試數(shù)據(jù)表明，文本的基于GPU檢測引擎Snort系統(tǒng)在處理性