项目名称: 基于聚类分析的高性能包分类技术研究

项目编号: No.61502167

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 毕夏安

作者单位: 湖南师范大学

项目金额: 20万元

中文摘要: 包分类技术是路由器和防火墙等网络设备的核心技术,也是制约计算机网络发展的关键技术,具有重要的研究意义和应用前景。针对其面临的高性能挑战,如支持线速数据包处理、高可扩展性和OpenFlow网络等,本课题展开基于聚类分析的高性能包分类技术研究。首先,引入数据挖掘中的聚类分析理论,对包分类问题进行严格的形式化建模;其次,利用规则的聚集特征,以规则聚类为切入点,设计高效的包分类结构、算法和机制,重点研究基于空间分布密度聚类的、基于无前缀关系聚类的、基于前缀位聚类的、基于前缀长度聚类的高性能包分类算法;最后,通过“三段迭代式”的实验方案,使研究成果最终走向实际应用。本项目从理论研究出发,展开数据结构和算法的设计,最终走向系统部署的应用和优化,项目的研究成果能为相应网络设备的研发或者其他相关工作的开展提供参考和经验,具有良好学术价值和应用前景。

中文关键词: 包分类;聚类分析;层次特里树;路由器;网络监控系统

英文摘要: Packet classification technology is the key technology of network devices like routers and firewalls. It is also the key technology which restricts the development of computer networks. Thus, studying the packet classification technology has vital research significance and application prospects. This project studies the high-performance packet classification technology based on clustering analysis in order to solve high-performance problems such as supporting wire-speed packet processing, high scalability and OpenFlow network. First, we introduce the clustering analysis theory of data mining, and strictly model the problems of packet classification. Second, we design efficient packet classification structures, algorithms and mechanisms by utilizing the aggregation characteristics of rules. This project focuses on the high-performance packet classification algorithms based on the density of space distribution clustering, no prefix relationship clustering, prefix bit clustering and prefix length clustering. Finally, we realize the practical application of research results through the “three-stage iterative” experiment program. This project starts with the theoretical studies, and then designs the data structure and algorithm, and ultimately realizes the applications and optimization of system deployment. The research results of this project provide reference and experience for the development of network devices or other related works. This project has good academic value and application prospects.

英文关键词: Packet Classification;Clustering Analysis;Hierarchical Tries;Router;Network Monitor and Control Systems

成为VIP会员查看完整内容
0

相关内容

聚类分析(Clustering)是无监督学习的一种,目的是将一组数据点分类,但没有训练数据集,区别于有监督的分类分析(Classification)。
超图学习综述: 算法分类与应用分析
专知会员服务
31+阅读 · 2022年2月1日
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
113+阅读 · 2022年1月14日
FPGA加速深度学习综述
专知会员服务
67+阅读 · 2021年11月13日
基于深度学习的图异常检测技术综述
专知会员服务
83+阅读 · 2021年7月28日
专知会员服务
22+阅读 · 2021年7月15日
图计算加速架构综述
专知会员服务
49+阅读 · 2021年4月5日
专知会员服务
138+阅读 · 2021年3月30日
知识图谱构建技术:分类、调查和未来方向
专知会员服务
110+阅读 · 2021年3月1日
专知会员服务
29+阅读 · 2021年1月9日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
超图学习综述: 算法分类与应用分析
专知
0+阅读 · 2022年2月1日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
图计算加速架构综述
专知
0+阅读 · 2021年4月5日
最新《多任务学习》综述,39页pdf
专知
28+阅读 · 2020年7月10日
【图谱构建】图谱构建之知识抽取
AINLP
20+阅读 · 2020年5月5日
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Tikhonov Regularization of Circle-Valued Signals
Arxiv
1+阅读 · 2022年4月20日
Building Odia Shallow Parser
Arxiv
0+阅读 · 2022年4月19日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
15+阅读 · 2019年6月25日
小贴士
相关VIP内容
超图学习综述: 算法分类与应用分析
专知会员服务
31+阅读 · 2022年2月1日
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
113+阅读 · 2022年1月14日
FPGA加速深度学习综述
专知会员服务
67+阅读 · 2021年11月13日
基于深度学习的图异常检测技术综述
专知会员服务
83+阅读 · 2021年7月28日
专知会员服务
22+阅读 · 2021年7月15日
图计算加速架构综述
专知会员服务
49+阅读 · 2021年4月5日
专知会员服务
138+阅读 · 2021年3月30日
知识图谱构建技术:分类、调查和未来方向
专知会员服务
110+阅读 · 2021年3月1日
专知会员服务
29+阅读 · 2021年1月9日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
超图学习综述: 算法分类与应用分析
专知
0+阅读 · 2022年2月1日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
图计算加速架构综述
专知
0+阅读 · 2021年4月5日
最新《多任务学习》综述,39页pdf
专知
28+阅读 · 2020年7月10日
【图谱构建】图谱构建之知识抽取
AINLP
20+阅读 · 2020年5月5日
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员