[发明专利]一种高效网络报文分类方法

说明书

技术领域

本发明涉及一种高效网络报文分类方法，属于计算机网络技术领域。

背景技术

计算机网络正处于蓬勃发展的时期，网络速度不断提高，用户数量急剧增长，同时，Internet服务也开始由原先的尽力服务(best-effort service)向QoS(quality of service)发展，网络设备(路由器、交换机等)的功能必须由原先单纯的转发分组提升到具有内容知晓(content-awareness)的能力，而分组分类则是其中重要的一环。许多网络关键技术，如虚拟专用网(VPNs)、网络地址转换(NAT)、防火墙、网络入侵检测(IDS)、QoS、拥塞控制、组播等都涉及到分组分类。因此，分组分类速度的快慢、功能的强弱将直接影响到许多网络技术的性能，并且对下一代网络及其服务质量有关键性的影响。并且，分组分类是现今网络研究的重要议题之一。

纵观分类算法的发展趋势，基于算法在时间和空间复杂度上的限制，启发式策略一般具有较快的速度，同时在应用上也具有较好的前景。经典的启发式算法都是对规则头部进行范围切割，在切割中，采取即定的启发式策略，尽量达到规则分布的均衡性，从而能在时间和空间复杂度上更好的折衷平衡。启发式算法的共同点是采取某种策略，以把规则均匀的分布到子集中去，本方案即是根据启发式策略来实现。

发明内容

本发明针对现有的技术问题，提供一种高效网络报文分类方法，目的是使得网络报文更加直观简单易实现，预处理开销小，并具有更佳的效果，拟解决现有技术存在的问题。

为实现上述目的，本发明提供如下技术方案：一种高效网络报文分类方法，其特征在于，该方法采用基于信息熵的决策树算法来实现，具体方法是，在选取规则子集时，确定阀方法是，在多叉层次树中，根据具体规则库，按照熵值特性，从中抽取若干位具有区分性质的位，即选取最大熵值增益的位，将其规则均衡的划分到子集中去，从而确定其所属的规则子集。

进一步，作为优选，基于信息熵的决策树建立的方法具体为：

（i）将全体规则集作为根节点；

（ii）对五元组的每一位，计算其信息熵增益；

（iii）选择熵值增益最大的前n个特征位组合作为决策分支属性；

（iv）把与决策属性处取值相同的规则归于同一子集，作为下一层节点,建立子节点；

（v）若叶子节点中规则数目不大于叶子节点阈值，则划分停止，如果叶子节点中规则数目大于叶子节点阈值,则返回步骤（ii），直至叶子节点中规则数目不大于叶子节点阈值。

进一步，作为优选，在所述步骤(ii)中，在104位中任选n位，有中选择方法，对每一种选择，分别计算信息熵增益值，再在其中选择增益最大的一种作为决策属性，其中，n为给定决策位的数目。

进一步，作为优选，最大熵值增益要求是：规则头部中每一位的取值集合为{0,1，*},将规则均匀的分布到各个Ui中去，可以这样选择：选择min{ 0值个数，1值个数}作为信息熵增益的近似度量，其中，0值个数是规则库中某特定位为0的规则个数，1值个数是规则库中某特定位为1的规则个数。

进一步，作为优选，该方法采用降维的方法，其对每维单独建立Entro-Trie，处理的结果以位向量的形式存放，并以ABV方式聚累增加速度，对每维的结果取与操作得到最终结果。

与现有技术相比，本发明的有益效果是：

本发明基于决策树的分类方法结构简单，易形成规则，效率高，不需额外知识，适用于数据量较大、数据格式多样的情况，尤其对于实时报文分类这种对速度要求较高的系统，采用决策树方法是合理的选择。本发明提出的基于信息熵的决策树算法也是基于启发式策略（为方便表述，以下都称为Entro-Trie算法），是多叉层次树基础上的一种改进，在层次树中，本发明顺序的根据头部位信息来确定其所属的规则子集，这样易形成规则子集划分不均匀的现象，根据对具体规则库的观察，发现若从中抽取几位最具区分意义的位，基于这些位的熵值特性，把它叫做具有较大熵值增益的位，则能够将规则均衡的划分到子集中去，从而减少最坏情况的复杂度。

相比较多叉层次树而言，本发明改进的优点是：

（1）只需选用若干具有较大区分性质的位进行划分，就能将规则均匀分割到各个子集中去，节省了空间。

（2）因为规则在各子集中分布比较均匀，查找时访问内存次数相对固定，加快了平均访问时间，并使访问时间具有有鲁棒性。