基于空间优化决策树算法.docVIP

基于空间优化决策树算法 　　摘要：通过增加一些规则来最终减少规则转换的冗余问题，并设计一种算法实现这种优化。在优化后的规则库、单维上用决策树方法查找，结果以位向量的方式存放，保持了算法的高速度，同时有效地节省了空间。 　　关键词:报文分类；范围匹配； 规则缩减；规则膨胀 　　中图分类号：TP393文献标志码：A 　　文章编号：1001-3695(2007)11-0222-03 　　 　　报文分类在当前Internet中被广泛地应用于区分服务、高速路由器、网络QoS、网络安全等。它是当前防火墙、入侵检测系统、分组高速路由等网络应用的基石。 　　报文分类最简单的形式是网络路由，即只根据网络包目的地址来确定下一跳地址。但在很多网络应用中，有时需要知道报文更多的信息以选择需要的服务。一般情况是根据报文的五元组（即原地址、目的地址、传输层协议及端口）来确定其所属的流及对应的服务[1，2]。所以分类问题的实质是路由算法问题在多维上的延伸。?? 　　 　　1相关研究进展?? 　　 　　1）穷尽搜索算法 　　这是最简单直观的方法，对规则空间中的所有规则逐一搜索比较，从而找出相匹配的规则。缺点是速度慢，不能满足大多数应用的需要。?? 　　2）决策树法[?@3] 　　这种算法的思想是将规则统一表示成前缀形式,需要将区间匹配转换成多个前缀匹配来表示，然后对规则空间进行树型层次划分。?? 　　3）多维分解法[?@4]将多维问题分解为单维解决。 　　一般在单维上采用成熟的树型算法，多维上采用bv[5]或abv[6]方法进行综合。?? 　　4）Tuple space[?@7] 方法它 　　是一种基于空间划分的方法。根据规则的各维长度划分子空间；然后在子空间中用哈希方法来查找。?? 　　5）非精确算法Hash[2]算法首先在预处理阶段建立一个哈希表；然后对报文头部信息进行哈希后作为表的入口地址来查询对应的规则。?? 　　 　　2本文的改进方法?? 　　 　　决策树思想是分类中一个比较成熟的方案，也可以与更多的方法配合使用。本文通过对规则空间进行优化处理；然后在单维上使用决策树进行查找，多维上用abv聚合方法进一步处理结果。 　　2．1决策树算法面临的问题及解决方法?? 　　决策树方法面临的问题一般有： 　　a)一个前缀规则可能出现在多个子树中，增大了存储空间，可以通过把共同的前缀存放在父节点上以减少空间。 　　b)时间效率和空间效率的矛盾。树的层数越高，所需要的存储空间越少，但查找时间越长。可根据应用需要合理调节。 　　c)区间匹配需要转换成前缀匹配。本文提出一种算法来缩减空间，改进效率。?? 　　2．2空间膨胀问题描述?? 　　区间匹配需要转换成前缀匹配。若直接转换，所耗费的空间太大。例如区间[1，2??w-2]转换成前缀表示时为{01*，001*，…，0w-11,10*,110*,…，1w-10},需要用2??w-2条前缀匹配规则来表示一条区间匹配规则[8]；若位宽为16，则需要30条规则来表示一个范围匹配规则；若一个规则中有两个这样的范围，则最坏情况下需要30??2条规则来表示，空间损耗严重。?? 　　2．3空间优化思想描述?? 　　对于实际规则库的观察，有几种情况在转换时极大地浪费空间。具体情形如下：?? 　　a）规则1tcpany!20→anyany act1 ?? 　　 　　由结果看到，应用改进的算法大大减少了空间损耗，并且算法1与改进的算法无冲突。若对于某些区间没有明显的效果时，可以用算法1来转换。 ?? 　　 　　4结束语?? 　　 　　将区间变为前缀表示是很多网络应用要考虑的问题，如TCAM中空间压缩、网络路由对规则的优化等。本文在不改变规则意义的基础上，通过添补若干规则大幅提高了规则转换的效率。关于空间压缩算法的后续问题，即如何对改进后的算法效果进行理论分析、最坏情况分析等，还有待进一步研究。 　　 　　参考文献: 　　[1]GUPTA P, McKEWON N.Algorithms for packet classification[J]. IEEE Network, 2001，15（2）：24-32. 　　[2]TAYLOR D E. Survey taxonomy of packet classification techniques[D]. Saint Louis： Wa￣shington University， 2004. 　　[3]GUPTA P, McKEOWN N.Packet classification using hierarchical intelligent cuttings[C]//Proc of Hot Interc