一种基于搜索空间分解的报文分类算法

报文分类算法的关键问题是查找准确且快速,最简单的分类算法就是线性查找,该算法的时间复杂度和空间复杂度均为O(N),线性查找的思想简单、易于实现、空间复杂度好,可以和其它算法混合使用,进而提高算法的分类速度。快速的分类算法采用很复杂的数据结构,牺牲空间来换取时间,甚至过分要求分类的快速性,忽略了空间性。文章根据这一问题进行展开,详细分析了经典的报文分类hicuts算法,分析其时间复杂度和空间复杂度的关系,并提出一种不过分降低分类速度的前提下,有效降低空间复杂度和预处理时间的改进方法。     

报文分类算法的设计与实现

报文分类是网络交换设备的基础操作之一.针对目前的报文分类算法主要为小规则集或低维的分类问题,提出了一种新的多维快速报文分类算法.该算法通过压缩、分割和索引操作,设计了压缩分割规则表和索引列表结构表这两类数据存储结构,能支持上万条多维分类规则,分类速度快、存储空间小、支持快速更新,适合于软硬件实现.     

基于最大属性熵的GIDS报文分类算法

网络带宽的激增对网络入侵检测系统（NIDS）的检测速度提出越来越高的要求。分类算法作为一种有效降低数据包待匹配规则集的方法,其效率对后继检测算法影响重大。研究了适用于GIDS的经典分类算法Hicuts和针对它的修改升级算法Picuts,针对Picuts没有考虑报文域的特征对于分类树的影响的缺点提出了基于最大属性熵的分类树本地优化策略和新的分类树生成算法MaxFeatureEntropy。最大属性熵策略从理论上保证减小决策树高度。采用开源的snort1.8.7的规则集作为实验数据,结果表明：当每结点包含规则数阀值等于6时,其空间消耗只有Hicuts的10%,是Picuts的60%,速度上较之Hicuts提升了44.4%,较之Picuts提升了20%。     

流分类技术的研究

介绍了流分类算法的概念以及对流分类算法的要求;把目前存在的流分类算法分成三类:多维查找转换为一维查找算法、相关区域查找算法、独立区域查找算法,并对各类算法的性能进行了讨论;通过引入并行流分类算法说明了流分类算法的研究重点是减小存储空间和提高更新速度。     

一种改进的分布式搜索引擎模型

为了解决传统分布式搜索引擎存在的搜索性能问题,从索引结构、查询算法方面改进了传统模型．提出了一种非集中的高并行化搜索模型,该模型按照文档主题对索引分类,对较长的倒排记录表采用位图结构,利用多线程技术对索引节点实现并行搜索算法(multi max score heap,MMSH)．实验结果表明:改进模型中的索引分类方法与倒排表结构的位图策略,能够增强Merge层查询的针对性,降低Merge层节点的CPU和内存开销;在倒排表不能完全存入内存情况下,MMSH算法能够实现高度并行化查询,其查询效率高于经典的term-at-a-time算法,缩短了平均查找时间,提高了系统吞吐量．索引分类、位图结构以及并行查询算法能够避免查询的盲目性,改善了分布式搜索引擎的性能．     

用于交换芯片地址表查找的快速并行Hash算法研究

为了以尽量少的硬件资源实现高效能的二层交换地址表查找功能, 通过分析交换芯片地址表以及循环冗余算法的特点, 提出了一种硬件电路由寄存器和异或门构成的10位并行Hash算法. 通过并行地将输入信号帧的48位物理地址转换为10位的地址表查询地址, 可以快速准确地查询1024存储深度的地址表, 采用该地址表查询算法的二层交换芯片实现了线速交换, 从而有效提高了所实现网络设备的性能. 仿真显示, 算法生成的Hash地址较为均匀地分布在其10位地址空间内, 有效地降低Hash冲突发生的几率. 采用FPGA实现的交换电路进一步验证了算法的优异性能.     

快速路由器的路由查找和流分类算法研究

分析了路由器的体系结构发展,研究了路由查找算法和流分类算法在快速路由器中的应用。研究表明,基于分段压缩的路由查找算法支持IPv6路由查找,具有合理的存储容量和快速的查找时间;采用按值分支树的多维综合流分类算法支持前缀和范围匹配,可扩展性强,适合大容量规则数据库。两种算法适合在快速路由器中应用。     

基于蚁群思想的源攻击追踪方法

在现有的攻击源追踪技术中还存在不少弊端,例如:输入测试法需要技术人员的干预,ICMP定位法占用网络带宽资源等,并且事后不能准确地追踪到攻击的源头.提出一种基于蚁群思想的网络协同源攻击追踪方法,通过使用IMCP定位报文法的策略,在网络监测器上对攻击数据包进行“备份”,然后再利用蚁群算法缩小路径信息查询的范围,从而能够快速的构造出攻击路径.实验表明:该方法提高了追踪信息的查询速度和攻击源定位的准确性.     

基于Rete规则推理的告警关联性分析

针对现有规则推理算法无法实现在当前大规模复杂多变的网络环境中准确、实时地推理告警规则的问题,提出了一种改进的规则推理算法Im_Rete.该算法结合网络告警数据的特点,采用面向告警缺失的模糊推理策略和基于概率关联模型的事实传播策略,在提高推理准确性的同时平衡推理速度,能够更加有效地对告警进行关联分析.通过仿真实验进行对比分析,结果表明Im_Rete算法在推理速度和准确性方面均具有较好的性能.     

一种交互感知的并行查询调度策略

为了捕获数据库并行查询之间的交互作用,本文利用实验驱动的方法对查询交互进行性能建模,并基于性能模型提出了一种交互感知的并行查询调度策略,通过减小交互作用带来的消极影响来获得较好的系统性能。与其他调度算法的实验比较结果表明,交互感知的调度策略可以更好地提升数据库性能。     

基于布尔逻辑的双序列比对协处理器的设计与实现

文章针对基因研究中的快速完成双序列比对工作的需要,设计了一种双序列比对协处理器。该协处理器通过USB接口与主机进行通信,采用基于布尔逻辑的比对算法完成双序列的比对。对碱基进行优化编码,使得用简单的门电路实现比对规则;使用流水寄存器,使得读碱基和序列比对并行工作,从而快速地完成具有显著相似性的DNA序列的比对。实验表明该协处理器具有结构简单、高效稳定、升级方便等特点。     

改进的概率数据流上Skyline查询算法

SOPDS是一种概率数据流上的skyline查询算法,它主要采用网格索引结构,使用概率定界、逐步求精、提前淘汰和选择补偿等启发式规则从时间和空间两个方面进行系统的优化。通过对对象间支配关系的进一步分析,在SOPDS算法的基础上,增加有效的过滤策略和对象身份判定规则,实现了改进的算法(ISOPDS)。实验表明,ISOPDS算法能有效地减少查询响应时间。     

基于孪生网络的协作机器人目标追踪

利用自身高速高精度的特点,协作机器人通过模仿人的创造性复杂动作来提高生产效率。当前协作机器人对人动作的模仿主要来自部署人员的长期调试,缺少通用的解决方案,无法快速部署。基于此,提出了一种无锚的基于RepVGG网络的孪生网络协作机器人目标跟踪算法。该算法由孪生网络模块、分类回归模块和机器人执行模块组成。孪生网络模块使用改进的RepVGG网络代替主流的ResNet作为骨干网络用于图片特征的提取,在不损失精度的前提下提高整个网络的运行速度,降低算法对硬件的要求,对专用深度学习芯片更加友好;分类回归模块通过引入中心度分支来提高跟踪框的中心点预测精度;机器人执行模块采用尺度惩罚和宽高比惩罚以平滑跟踪框,保证协作机器人的动作流畅。实验结果表明,平均速率相比替代ResNet骨干网络前提高了14 FPS,实现了实时跟踪的效果。     

一个使用处理机阵列来实现并行查询的方案

从并行处理的角度探讨了提高逻辑数据库的查询处理效率的可行性，并提出一个使用处理机阵列来实现并行查询的方案.此方案适用于数据量大而规则集较为简单的系统.     

P2P网络中相似文本的聚集存储和模糊查询

针对目前各种结构化P2P协议在对资源进行查询时依赖于准确的全局唯一标识符(Global Unique Identifier),无法实现相似资源的模糊查找的问题,提出了一种资源发布和查找策略,实现了相似文本的聚集存储和模糊查询。该策略首先根据文本内容生成具有强鲁棒性的指纹,以该指纹作为文本在P2P网络中发布的基础,实现将相似的文本发布到同一节点或相邻节点,进而实现高效的分布式相似文本查询。该算法构建在分布式哈希表(DHT)路由基础之上,适用于各种以DHT为特征的结构化P2P系统。     

基于决策树的递归包分类算法

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.     

基于决策树的递归包分类算法

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.     

P2P系统节点并行加入查找算法研究

分析了Chord系统查找算法的特点,在此基础上,给出一个改进的查找算法,实现了P2P系统在节点并行加入时正确高效的数据项查找.同时,提出了P2P系统节点并行加入的理想化状态,并对理想化状态的网络模型进行了量化分析,从而克服了Chord环的损坏和查找不能正确进行的情况发生.     

基于Gnutella的P2P搜索改进算法的研究

在对洪泛算法和现有基于索引机制的资源定位策略进行研究基础上,对现有的路由算法进行改进:通过在节点增加缓存的方式来记录查询返回消息以提高重复查询的效率;通过对特定查询消息的生命周期值的修改来保证指引查询时查询消息的可达性.     

基于切片模型的快速混合学习算法

针对传统BP神经网络训练收敛速度慢、易陷入局部极小点的问题,将遗传算法与误差放大的BP学习算法相结合,提出基于切片模型的快速混合学习算法.该算法通过将传统神经网络的训练过程划分为许多小的训练切片,并利用遗传算法的并行寻优特性,对采用误差放大的BP训练过程进行监督.通过及时发现收敛速率较快的个体和过滤陷入局部极小点的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真实验表明,该算法在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.