论文部分内容阅读
随着网络技术的发展,互联网带宽和网络流量迅速增长,网络并发连接数显著增多。在有限的物理资源条件下,处理尽可能多的网络流量,是网络监测技术正在面临的新挑战。传统的网络监测系统在数据分组捕获、数据分组还原、连接管理和调度、深度分组检测等环节上,都需要针对高速网络流量进行相应的设计与改进,以提高系统在高速网络环境中的工作性能
本文紧密围绕高速网络监测系统中的乱序数据缓存、连接管理、连接调度等相关技术,开展了一系列的研究与系统实现工作。本文首先介绍网络监测系统的相关技术,并阐述一些相关研究进展。接着,针对网络中的攻击流量和异型流量造成连接漏检的问题,以及系统对连接的无差别淘汰导致活跃流量丢失的问题,对连接管理模块进行改进。改进扩大了系统的监控范围,降低了重要连接被淘汰的概率,提升了系统的健壮性。然后,我们对海量TCP连接的乱序缓存问题进行了研究。针对系统缓存空间不足导致重要数据被丢弃的情况,设计了一个基于连接上下文信息的自适应乱序空间资源划分方法CBBA(Context Based Buffer Allocation)。该方法使用乱序流量样本的训练数据,结合粒子群优化算法,计算乱序数据缓存空间的分配方案。使用CBBA,系统根据监测状态的上下文信息,结合资源的使用情况和对特定流量的关注程度进行缓存空间的动态分配。实验结果显示,监测系统缓存空间的利用效率得到改善,对流量的加权召回完整率提高了140%。