基于CBF的分布式元组空间叉积算法

针对分布式报文分类算法内存消耗大、可扩展性差的问题,提出分布式元组空间叉积算法。该算法采用独立域搜索引擎与树状多级聚合网络的分类结构,在聚合节点使用计数型布鲁姆过滤器(CBF)加速搜索,利用剪枝技术降低CBF内存消耗。仿真结果表明,对于 5×104条规模的9域规则库,聚合网络总内存消耗被控制在60 Kb内,该算法的查找速度达到100 Mp/s,且具有良好的可扩展性。     

分布式元组空间协同模型的设计与描述

元组空间是一种结构化的分布式共享存储编程方式,使用一个共享的元组空间进行生成式通信。该文针对集中式元组空间的性能瓶颈、单点失效问题及可扩展性差等不足,提出一种混合式的分布式元组空间的体系架构,给出基于π-演算的分布计算演算模型,并对模型的语法和操作语义进行讨论,通过钩互模拟给出了系统的性质。     

基于元组空间的Agent协作模型的分析与实现

一、引言在基于Agent的分布式处理系统中,由于单个Agent不能充分利用系统中的资源,所以一个复杂的任务常常分解为多个简单的任务,每个简单的任务由一个Agent完成,通过多个Agent的协调合作共同解决问题,故Agent之间如何很好地协作是多Agent系统设计中一个很重要的方面。在层出不穷的Agent系统中,Agent之间的合作方式不外乎两种:直接合作和间接合作,直接合作建立在Agent之间直接通信的基础上,而间接合作则通过第三方作为媒介。目前,大多数Agent系统都采用基于消息传递的直接合作方式,消息传递要求通信前必须事先知道对方的地址、名字,当Agent移动时,其地址会经常发生变化,所以为支持直接通     

基于元组空间的位并行包分类算法

随着网络的发展,路由器需要完成数据包过滤、QOS、流量计费等额外服务,这要求路由器能够以线速(wirespeed)完成对数据包的分类处理。位并行算法是一种快速的包分类算法,但由于空间占用量过大,它不能扩展到大规模规则库。该文从位并行算法入手,通过引入元组空间的概念提出了一种新的算法,在时间复杂度与空间复杂度上都较位并行算法有很大改进,并具有很好的扩展性。     

基于LRU和扩展CBF的网络大流检测

高速网络流量检测中的大流检测已成为当前一种重要的、高效准确的可扩展流量测量机制,针对CBF（Count Bloom Filter）容易溢出的问题,将扩展的CBF应用于流量测量,防止过滤器溢出,并且结合LRU链表存储机制,共同应用于网络大流检测之中。经理论分析,所研究的流量测量算法LRU_MCBF（Least Recently Used_Multiple Count Bloom Filter）占用空间小,时间复杂度低;通过仿真实验验证了LRU_MCBF在大流测量中漏报率和错报率较低,能实现高速网络环境下大流对象的准确提取。     

基于元组向量折叠的大规模规则库包分类算法

基于元组空间提出了一种适用于多维大规则库的包分类算法——元组向量折叠算法。与基本元组空间算法和基于元组的位并行包分类算击相比较,该算法在空间复杂度和时间复杂度上都取得了较好的性能。     

消息分发系统中的元组空间分解算法研究

为解决分布式环境下消息分发系统中的按需通信,在对Gelemter元组空间模型进行改进的基础上,对消息分发系统中的元组空间通信进行了结构设计,定义了元组空间的特征模型,并基于局部性原理提出一种元组空间通信的空间分解算法.该算法依据在实际通信中不同元组不同元素的匹配频度的差异,将元组空间分解为依赖特征空间、特征元组和特征元素之间抽象关系的一组缓冲子空间,通信进程在进行匹配操作时可直接从缓冲子空间中获取匹配元组,从而降低通信的计算成本.     

基于元组空间模型的分布式计算环境的研究与应用

利用分布式计算环境实现异构资源的整合,使其能够充分挖掘网络资源进行科学计算、资源共享,以及实现分布式任务调度是目前分布式应用研究的主要课题。本文通过对一种基于元组空间（Tuple Space）模型分布式中间件的分析,结合实际应用对适合于异构环境的分布式计算平台原型进行设计与应用,并提出了后续研究工作的方向。     

基于变长元组的文件类型识别算法

快速准确地判断文件实体的真实类型对保护计算机信息安全具有重要意义。通过分析现有基于二进制内容的文件类型识别算法中存在的问题,提出采用变长元组描述文件的统计特征,并结合结构化文件中元组的分散度、稳定度以及条件广泛度设计出一种特征评估函数,从而更加准确地选取有效的特征。该算法不依靠特定文件类型的结构和关键标识,适用范围更为广泛。实验表明该算法能有效提高文件类型识别的查准率和查全率。     

DTSArch:一种基于分散式元组空间的软件体系结构模型

针对协作系统中缺乏描述系统高度动态性、自组织性和协作性的方法,利用分散式元组空间模型的时空解耦特性,提出了一种软件体系结构模型DTSArch。在对分散式元组空间进行刻画的基础之上,从软件体系结构的角度建立了描述构件行为和系统配置的形式化语义,解决了分散式元组空间模型难以直接应用于实际系统开发的问题。实现了一个基于DTSArch的可视化开发工具以进行软件体系结构设计。并通过实例证明DTSArch使开发人员能够快速建立基于分散式元组空间模型的系统结构,从而提高系统构件和系统开发方法的可重用性。     

典型Bloom过滤器的研究及其数据流应用

Bloom过滤器是一种空间高效但有一定假阳性的数据表示方法。该文分析比较计数型Bloom过滤器、光谱Bloom过滤器和动态计数过滤器的异同点及适用场合,介绍Bloom过滤器在重复项检测及频繁项挖掘中的应用,总结Bloom过滤器给数据流带来的挑战,包括元素突发问题及数据流相异元素数目变化问题。     

采用元组聚类的增量式数据分区方法

数据分区是提升数据库可扩展能力的有效方法。在事务查询密集的系统中,合理的分区策略可减少分布式事务查询数量,并提高事务查询响应速度。提出了一种基于元组聚类的增量式分区方法,通过将元组聚簇和采用分区感知的数据筛选策略来降低算法的复杂度。首先依据时间窗口模型聚类元组,并构建簇节点图,然后利用分区感知策略对图进行删减,最后采用图划分算法对图进行子图划分来得到分区。与现有方法相比,该方法减少了分区响应时间,保证了较少的分布式事务数量,并提高了分区事务查询速度。     

一种基于FCBF的流信息抽样测量框架及算法

基于FCBF的高效流信息抽样测量框架不仅可以抽样测量三类流参数,而且存储开销小,只需1～3MB字节左右的存储空间;同时还可以做到几乎零概率的流信息识别统计误差。分析结果表明,该算法可以支持远高于OC48的链路速率,甚至可达OC192或更高;适合于将来高速链路上细粒度的流信息抽样测量。     

一种基于元组空间的智能传感器协同感知机制

随着具有一定计算能力和无线通信能力的智能传感器(称为mote)的出现,越来越多的物联网应用可以实现对环境及其变化的就地感知、就地决策和就地反应.但因为mote的感知能力和感知范围有限,它们需要协同感知才能更全面地感知环境的状态,才能更好地适应环境的变化.而传统的mote协同感知的实现方法要求开发人员过多地关注mote之间的交互逻辑,并且mote应用也无法适应复杂环境的不断变化.为了避免开发人员在交互逻辑上花费过多的精力,同时保障开发出来的mote应用系统能够适应不稳定的外界环境,提出了一种基于元组空间的mote协同感知支撑机制,使得mote之间的协同感知过程(包括交互的建立过程以及对环境变化的适应过程)对开发人员完全透明.最后实现了一个简单的应用场景,展示了该方法如何满足功能需求以及在环境发生变化时如何对环境进行适应.     

基于Bloom Filter的海量数据分布式快速匹配算法研究

海量数据的快速匹配已经成为当前应用系统一个严峻问题,针对此问题展开深入讨论,将分布式技术与Bloom Filter技术有效结合,给出一种基于Bloom Filter的分布式快速匹配算法。与传统算法相比,此方法大大降低了程序对服务器内存的要求,同时提高了匹配效率,解决了制约应用程序运行效率的瓶颈问题。     

基于并行Bloom过滤器组的深度数据包检测算法

针对基于软件、硬件的深度数据包检测存在处理速度慢或规则集更新困难等方面的局限性,提出一种在多核平台上基于并行Bloom过滤器组的深度数据包检测算法。算法中首先将规则集按规则的长度分组,构造一个并行Bloom过滤器组,组中每个计数式 Bloom过滤器表示特定规则长度的规则集。为了减少执行过程中的冲突概率和计算量,构造了高性能的哈希函数,然后基于多核平台的并行处理能力使用并行编程实现了该算法。理论分析和实验结果表明该算法是一种时空高效的算法。     

基于Bloom Filter的报文分类算法

针对传统报文分类算法在实际运行中存在的问题,提出一种基于Bloom Filter的报文分类算法。将该算法的思想应用于入侵防护系统硬件模型,建立相应的流信息预处理引擎,并介绍具体的实现方法。实验结果表明,该算法是有效实用的。