-
隐通道网络波动下数据包监测间隔测量算法
-
描述：传统的数据包监测间隔测量算法采用概率统计为基础的链接数配对方法,由于网络链接时间段,隐通道网络波动幅度大,监测时间间隔测量不准。提出一种C/S架构隐通道网络波动下基于有界抖动范围内均匀分布的数据包监测间隔测量算法,基于有界波动范围内均匀分布的数据包监测间隔测量,优化通道容量和抗检测性之间的关系,调整接收方测量时间间隔与发送方发送的时间间隔,使其达到一致。仿真实验表明,采用该方法能有效避免网络波动的影响,通过调整监测间隔时间步长,使得数据包传输误码率降低为0,规避了网络波动影响,提高了C/S隐通道网络通信性能。
-
基于并行Bloom过滤器组的深度数据包检测算法
-
描述：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。
