基于特征匹配的網絡業(yè)務流識別方法研究.pdf

1、隨著互聯網的不斷發(fā)展，網絡所承載的業(yè)務類型不斷增加，并呈現復雜化趨勢。在網絡安全方面也由傳統(tǒng)的基于網絡層的控制方式轉變?yōu)槊嫦驑I(yè)務流的控制方式。網絡承載業(yè)務類型的快速更新以及網絡檢測對抗技術的方展，使得依據網絡數據包頭信息進行業(yè)務分類的準確性已經無法滿足需求，面向數據包承載內容的深度包檢測技術(DeepPacketInspection:DPI)成為當前業(yè)務流識別的主要手段。
　　本文首先對深度包檢測中基于正則表達式的識別分類技術進行

2、探討，重點對正則表達式在實際應用中存在的匹配效率和高空間復雜度問題及其解決方法進行了闡述和分析。
　　在此基礎上，針對匹配效率問題，提出了兩個分組算法：貪婪式合并分組算法和關聯式合并分組算法，通過分組合并使得在提高匹配效率的同時減少內存消耗。
　　針對DFA的冗余內存表現為狀態(tài)轉換表中的無效轉換和由于通配符帶來的重復轉換問題，提出了基于位圖與索引表技術的DFA狀態(tài)表示方法，大大壓縮了單個狀態(tài)的內存利用量；根據不同DFA狀態(tài)轉

3、換表之間存在的相同轉換的現象，提出了基于轉換函數共享的內存壓縮方法。通過使多個DFA狀態(tài)共享一個轉換表，來縮減轉換表之間存在的相同轉換帶來的內存膨脹。實驗結果表明本文提出的算法在分組合并結果及內存壓縮方面均優(yōu)于以前的同類算法。
　　在上述算法的基礎上，本文實現了基于特征匹配的網絡業(yè)務流識別系統(tǒng)中的業(yè)務流識別模塊，并闡述了系統(tǒng)的總體設計思想和實現方法。實際運行結果表明系統(tǒng)具有很好的性能并且內存占用少。目前系統(tǒng)已經投入使用，取得了較好