[发明专利]一种基于信息熵的数据包分类方法

说明书

本发明涉及一种基于信息熵的数据包分类方法，属于通信技术领域。本发明通过自定义的信息熵公式，确保每个节点的规则能够均匀且尽可能复制少的划分至子节点；当某节点的信息熵为零时将该节点标记为叶子节点，信息熵为零能够确保叶子节点中的多条规则能够合并为一条；通过多核多线程的方式创建熵二叉树，明显提高了建树时间；创建熵二叉树的关键步骤是计算信息熵，而信息熵的计算与规则本身的含义无关，这样就确定了该算法对于不同的规则集均有很强的适应性。本发明支持模糊匹配，支持为策略指定优先级，提高查找性能，解决了hypercuts决策树的问题。

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数据包分类方法。

背景技术

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。

进行数据包分类首先需要定义一套规则集，按照数据包的头部信息在规则集中进行查找。图1为规则示例，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。每条规则都表示了一个范围，掩码小的规则表示的范围大。

在众多数据包分类算法中，hypercuts决策树是常用的一种。

hypercuts决策树存在两个明显的问题：

1)叶子节点中包含小于等于指定阈值条的规则。当进行数据包查找时，从根节点开始，沿着树的一个路径查找到叶子节点后，仍然需要和叶子节点中的多条规则进行匹配。

2)由于规则表示的是一个范围，因此在将规则从父节点划分至子节点时，同一条规则可能被划分至多个子节点。当规则的全部比特用尽时(比如对于ipv4五元组规则来说，共有104个比特)，可能会造成规则依然不能被有效划分到叶子节点的问题。比如叶子节点最多允许包含6条规则，然而存在大于6条的规则均包含同一个范围，此时会导致hypercuts决策树建树失败，或者需要将少量的复制次数多的规则从原始规则集中剔除，然后使用余下的规则进行hypercuts决策树的创建，剔除的少量规则需要使用额外的算法进行数据包的查找。

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数据包分类方法，以解决hypercuts决策树的以上两个问题，查找性能得到明显提升。。

(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数据包分类方法，该方法包括

使用策略的某个比特，将父节点的策略均匀的划分至左右两个子节点；其中，根节点拥有策略集合中的全部策略；

使用信息熵确定最佳的划分比特；信息熵越大，说明父节点的策略在指定比特越分散，越能够将策略均匀的划分至左右两个子节点；

当某个节点的最大信息熵为零时，说明当前节点的策略在未使用的比特熵已经没有区分度，此时将该节点标记为叶子节点。

进一步地，所述策略集合是ipv4五元组策略，所述某个比特为104比特中的某个比特位。

进一步地，所述信息熵公式为：

其中：

1)cur表示父节点的策略条数，lc表示左子节点的策略条数，a表示父节点策略划分至左子节点的百分比；

2)cur表示父节点的策略条数，rc表示右子节点的策略条数，b表示父节点策略划分至右子节点的百分比；