• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International IFIP-TC6 Networking Conference(NETWORKING 2004); 20040509-20040514; Athens; GR >Scalable Packet Classification through Maximum Entropy Hashing
【24h】

Scalable Packet Classification through Maximum Entropy Hashing

机译：通过最大熵散列实现可扩展的数据包分类

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we propose a new packet classification algorithm, which can substantially improve the performance of a classifier by decreasing the rulebase lookup latency. The algorithm hierarchically partitions the rulebase into smaller independent sub-rulebases by employing hashing. By using the same hash key used in the partitioning a classifier only needs to look up the relevant sub-rulebase to which an incoming packet belongs. For an optimal partitioning of rulebases, we apply the notion of maximum entropy to the hash key selection. We performed the detailed simulations of our proposed algorithm on synthetic rulebases of size 1K to 500K entries using real packet traces. The results show that the algorithm can significantly outperform existing classifiers by reducing the size of a rulebase by more than four orders of magnitude with just two-levels of partitioning. Both the space and time complexity of the algorithm exhibit linearity in terms of the size of a rulebase, suggesting a good scalable solution for the packet classification with a large rulebase.
机译：在本文中，我们提出了一种新的数据包分类算法，该算法可通过减少规则库查找等待时间来显着提高分类器的性能。该算法通过使用哈希将规则库分层划分为较小的独立子规则库。通过使用在分区中使用的相同哈希键，分类器仅需要查找传入数据包所属的相关子规则库。为了对规则库进行最佳划分，我们将最大熵的概念应用于哈希键选择。我们使用真实的数据包跟踪在大小为1K到500K的综合规则库上对提出的算法进行了详细的仿真。结果表明，该算法通过将规则库的大小减少了四个数量级（而仅进行了两级划分），可以大大优于现有的分类器。该算法的空间和时间复杂度在规则库的大小方面都表现出线性，这为具有大规则库的数据包分类提供了一个很好的可扩展解决方案。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号