[发明专利]一种基于信息熵的hypercuts决策树策略集预处理方法

说明书

本发明涉及一种基于信息熵的hypercuts决策树策略集预处理方法，属于通信技术领域。本发明通过信息熵保证了熵二叉树前N层使用的划分比特是策略所有比特中区分度最高的；熵二叉树创建完成后，在熵二叉树中复制次数多的策略即是不容易被hypercuts决策树在子节点间分开的策略。并且通过指定熵二叉树的层高，其创建处理可在毫秒级完成，能够快速识别出复制次数多的策略。本发明基于自定义的信息熵公式创建二叉树，有效识别出策略集中复制次数多的策略。使用策略集中余下的策略创建hypercuts决策树，显著降低了hypercuts决策树的建树时间和block ram占用。

技术领域

本发明属于通信技术领域，具体涉及一种基于信息熵的hypercuts决策树策略集预处理方法。

背景技术

本发明涉及通信技术领域，尤其涉及hypercuts决策树创建前对策略集的预处理。数据包分类算法是网络中常用的一种算法。其目的是按照报文携带的头部信息，一般是源IP、目的IP、源端口、目的端口和协议号5个维度，把报文分成不同的种类，从而可以对其进行不同的处理。常见的应用有：访问控制列表，防火墙，基于流的计费统计。在核心网络设备和边缘网络设备中均有不同的应用。hypercuts决策树是众多数据包分类算法中常用的一种。

通过hypercuts决策树进行数据包分类的关键点是决策树的创建。决策树的创建是根据策略集的特征将父节点的策略尽可能平均的划分给多个子节点。根节点拥有策略集中的全部策略，经过多级树节点的划分后叶子节点中仅包含小于指定数量的策略。从而达到将一个大策略集划分成多个小策略集，然后在指定小策略集中查找数据包的目的。进行数据包查找时，从根节点开始根据创建决策树时的信息查找下级节点，直至叶子节点，然后在叶子节点包含的小策略集中进行查找。

图1为策略示例，各个字段依次表示：源ip地址值/源ip掩码、目的ip地址值/目的ip掩码、源端口号范围、目的端口号范围和协议号值/协议号掩码值。每条策略都表示了一个范围，掩码小的策略表示的范围大。

在hypercuts决策树实现中，由于策略表示的是一个范围，因此在将策略从父节点划分至子节点时，同一条策略可能被划分至多个子节点，这种情况在本专利中称为策略复制。策略复制会导致决策树创建时间过长和存储资源消耗过多的问题。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种基于信息熵的hypercuts决策树策略集预处理方法，以解决策略复制会导致决策树创建时间过长和存储资源消耗过多的问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于信息熵的hypercuts决策树策略集预处理方法，该方法包括如下步骤：

S11、创建根节点，将策略集合中的所有策略分配给根节点；为每条策略创建一个复制计数器，并初始化为零；

S12、将根节点作为当前待处理节点；

S13、当前待处理节点的层高是否为指定层高N，如果是，则将当前节点标记为叶子节点；否则执行第S14步；

S14、计算当前节点的最大信息熵；

S15、如果最大熵为0，说明当前节点的所有策略的未用于划分策略的比特是完全相同的，则将当前节点标记为叶子节点；否则进行步骤S16；

S16、创建左右子节点，将最大熵所对应的比特作为划分比特；将父节点的策略划分至左右两个子节点；策略划分方法为：

S161、如果策略在划分比特的值为0，则将该策略划分至左子节点；

S162、如果策略在划分比特的值为1，则将该策略划分至右子节点；