基于FPGA的分级并行高速网络流量分类方法研究

随着网络应用日趋复杂化和通信技术的发展，网络带宽持续提高，网络流量不断增长且呈现多样化，传统的网络流量分类方法已不能满足需求。针对高速网络流量分类问题，本项目提出一种基于FPGA的分级并行网络流量分类方法，该方法采用串并行结构，利用分级过滤和动态可重构的FPGA技术，将基于模式匹配和基于机器学习的网络流量分类方法有效结合，并用软硬件协同工作对机器学习分类方法进行加速，实现高速网络流量实时和高效分类。为了高效利用FPGA资源，本项目提出两种自适应的动态调度算法，一种算法实现FPGA资源对输入流量或中间流量的动态优化指派，有效减少分类时间、提高资源利用率；另一种算法实现分类器在FPGA上的局部或全局动态优化配置，尽量减少动态配置的片数或规模，缩短配置时间。本项目的研究成果对营造安全的网络环境、保证网络关键业务、合理规划网络系统和促进三网融合等都具有重要意义，同时为网络新协议的开发提供技术支持。

高速网络的迅速普及以及网络应用的多样化为网络流量分类带来了新的挑战。课题组针对传统网络流量分类技术采集数据速度受限，无法满足实时流量分类要求，分类时间和准确率难以平衡，可扩展性差，计算量大，难以适应日益变化的网络应用等问题，开展了基于FPGA的分类并行高速网络流量分类方法研究：（1）基于FPGA的分级并行网络流量分类方法研究，主要包括基于FPGA的分级并行网络流量分类结构以及软硬件协同的机器学习分类方法；（2）业务自适应的FPGA资源动态调度算法研究，实现输入流量或中间流量的动态指派以及FPGA的局部和全局动态配置，有效提高流量分类效率。.经过四年的研究工作，在网络流量分类及其相关领域取得了一系列研究成果，建立了一整套具备认知、学习以及自适应能力的基于FPGA的并行网络流量分类体系，有效提高了网络流量分类在面向高速网络及复杂应用的准确率与分类效率，同时形成了自主知识产权，为未来继续在网络流量分类的进行相关研究积累了宝贵的经验和奠定了坚实的基础。课题组共计发表论文37篇，申请专利8项，培养硕士生10名，完成了预期研究目标。