WILKERSON威爾克森過濾器的IP骨干網流量分析 
結合國家863計劃“十一五”重大項目“新一代高可信網絡”總體技術相關課題的研究需求,重點研究高速骨干網流量分析的前端處理算法及其工程實現技術。以WILKERSON過濾器為切入點,研究工作包括三個面:WILKERSON過濾器的研究與改進;基于WILKERSON過濾器的前端處理算法的設計;高速骨干網業務流實時分類前端系統的設計與實現技術。

WILKERSON威爾克森過濾器的IP骨干網流量分析 
首先,對現有的三種低計算復雜度的計數型WILKERSON過濾器進行了分析比較,并提出了改進。對(rNCBF)、(SCBF)和d進行了深入分析,給出了其參數*設置準則。采用計數誤差、空間復雜度和負載適應性為性能指標,對上述三種CBF的性能進行了系統比較。發現雖然就計數誤差和空間復雜度而言,dlCBF是三種CBF中*的,但dlCBF在負載適應性方面卻存在缺陷。對dlCBF進行了改進,提出了一種具有良好負載適應性的計數型WILKERSON過濾器BSdlCBF(Binary-Shrinking d-left Counting Bloom Filter)。通過仿真實驗,將BSdlCBF和dlCBF、NCBF以及SCBF進行了比較,結果表明BSdlCBF的性能明顯優于已有的三種計數型WILKERSON過濾器。其次,將BSdlCBF應用于前端處理算法的設計。基于BSdlCBF,提出了一種新的骨干網數據流流量測量算法MR-BSdlCBF(Multi-Resolution BSdlCBF),與已有的同類流量測量算法MRSCBF(Multi-Resolution SCBF)相比,MR-BSdlCBF算法的優勢是負載適應性好,空間復雜度低,并可記錄流標識。在MR-BSdlCBF算法基礎上,zui終提出了一種空間高效的數據包公平抽樣算法SEFS(Space-Efficient Fair Sampling),SEFS算法不僅空間復雜度低,而且對于短流的抽樣性能明顯優于已有的公平抽樣算法。SEFS算法較低的空間復雜度使之易于以IP核(Inlectual Property Core)的形式集成到網絡設備中去。zui后,實現了骨干網業務流實時分類前端系統。提出了骨干網業務流實時分類系統的前后端分離的系統結構。該系統結構的優點是消除了前后端的緊耦合,從而增強了系統實現的靈活性,提高了業務流分類的精度,降低了骨干網業務流實時分類的實現代價。

WILKERSON威爾克森過濾器的IP骨干網流量分析 
基于這種系統結構,給出了骨干網業務流實時分類前端系統的硬件實現方法,并詳細討論了基于FPGA(Field Programmable Gate Array:現場可編程門陣列)的SEFS算法的實現技術。所實現的骨干網業務流實時分類前端系統已經在國家急需的“一種新型互聯網內容監管系統”中得到了應用。