骨干网冗余数据消除系统的研究与实现

当今的广域网传输过程中存在着大量的重复数据,这些重复数据使得广域网带宽被严重浪费.针对这一问题,提出了一种基于应用层协议识别的冗余数据消除策略.通过将数据缓存及应用层协议识别技术相结合,找出广域网传输过程中的冗余数据,尽可能使广域网中的相同数据只传输一次,从而降低冗余数据传输对广域网带宽的过度浪费.     

网络流量分析系统的设计与实现

随着网络速度的不断增长及网络应用的不断增多,网络监管的难度大大增加.实现了一种高速网络流量的实时监控系统NTAS——网络流量分析系统.通过PF_ RING底层报文捕获模块,捕获网络流量,并对网络流量进行完整会话管理以及在此基础上基于有穷自动机(DFA)的协议识别,解决了同类系统性能不足和协议识别率不高的问题.最后给出了NTAS与同类系统的比较测试.测试结果表明,NTAS具备在高速网络环境下对网络流量的实时分析处理的能力.     

GPU OpenFlow海量数据网络处理模型——GOMDI

OpenFlow的出现提高了现有网络的服务质量(QoS),但在处理海量数据时存在网络会话识别效率低、网络报文转发路径不佳等缺点。在OpenFlow的研究基础上,提出了海量网络数据处理(GOMDI)模型,通过将GPU并行计算、生物序列算法和机器学习方法相融合,设计出GOMDI网络会话匹配算法和路径选择算法。实验结果表明,GOMDI网络会话匹配算法与CPU环境相比加速比提升了近300;路径选择算法中网络丢包率低于5%,网络延时小于20ms。因此,GOMDI模型可有效地提升网络性能,满足大数据环境下实时处理海量信息的需求。