協(xié)議識別方法和裝置的制作方法

文檔序號：7767087閱讀：119來源：國知局

專利名稱：協(xié)議識別方法和裝置的制作方法
協(xié)議識別方法和裝置技術領域
本發(fā)明實施例涉及技術領域，尤其涉及一種協(xié)議識別方法和裝置。
背景技術
普通報文檢測僅分析因特網協(xié)議(Internet Protocol ；簡稱IP)包的層4以下的內容，包括源地址、目的地址、源端口、目的端口以及協(xié)議類型。深度包檢測(De印Packet Inspection ；簡稱DPI)除了對前述的層次進行分析外還包括應用層分析，識別各種應用及其內容。DPI的技術可以高效的識別出網絡上的各種應用。目前業(yè)界的DPI識別方法為，預先定義協(xié)議的特征，再將網絡上的數(shù)據包與這些特征進行匹配，與哪條匹配成功，則該數(shù) 據包識別為哪個協(xié)議。其中，預先定義的特征包含一個或多個特征條件，這些特征條件可以是應用報文的內容與某些字符匹配、符合某個算法、符合某種行為模式或者是這幾種條件的組合。在同樣的環(huán)境下，減少匹配次數(shù)可以提升DPI識別協(xié)議的性能，最好的性能是輸入一條數(shù)據流，匹配一個特征就匹配成功。
現(xiàn)有的DPI匹配方法為了減少匹配次數(shù)，可以將特征庫中所有的特征按照某種特定的順序串聯(lián)起來，設備運行后，特征的匹配順序不變，匹配性能低。發(fā)明內容
本發(fā)明提供一種協(xié)議識別方法和裝置，用以解決現(xiàn)有技術中協(xié)議特征匹配性能低的缺陷，提升協(xié)議匹配性能。
本發(fā)明實施例提供一種協(xié)議識別方法，包括
根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息的識別概率，所述識別概率表示協(xié)議特征信息根據預設統(tǒng)計策略是否被采用的概率；
根據所述識別概率的大小，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；
按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本發(fā)明實施例又提供一種協(xié)議識別方法，包括
根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；
根據所述協(xié)議特征信息的性能指數(shù)，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；
按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本發(fā)明實施例提供一種協(xié)議識別裝置，包括
識別概率統(tǒng)計模塊，用于根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息的識別概率，所述識別概率表示協(xié)議特征信息根據預設統(tǒng)計策略是否被采用的概率；
優(yōu)化序列確定模塊，用于根據所述識別概率的大小，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；
協(xié)議識別模塊，用于按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本發(fā)明實施例提供一種協(xié)議識別裝置，包括
性能指數(shù)獲取模塊，用于根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；
優(yōu)化序列確定模塊，用于根據所述協(xié)議特征信息的性能指數(shù)，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；
協(xié)議識別模塊，用于按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本發(fā)明提供的協(xié)議識別方法和裝置，根據預設統(tǒng)計策略的識別概率，可以確定協(xié) 議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流中的報文，協(xié)議匹配的性能不同，從而可以匹配成功概率大的協(xié)議特征信息優(yōu)先匹配，將匹配失敗概率大的協(xié)議特征信息后續(xù)匹配，提升協(xié) 議匹配性能。

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā) 明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為本發(fā)明協(xié)議識別方法第一實施例的流程圖2為本發(fā)明實施例中協(xié)議-特征-條件的關系示意圖3為本發(fā)明協(xié)議識別方法第二實施例的流程圖4為本發(fā)明協(xié)議識別方法第二實施例中協(xié)議特征信息與特征條件性能指數(shù)的關系示意圖5為本發(fā)明協(xié)議識別方法第三實施例的流程圖6為本發(fā)明協(xié)議識別方法第四實施例的流程圖7為本發(fā)明協(xié)議識別方法第五實施例的流程圖8為本發(fā)明協(xié)議識別方法第六實施例的流程圖9為本發(fā)明協(xié)議識別裝置第一實施例的結構示意圖10為本發(fā)明協(xié)議識別裝置第二實施例的結構示意圖11為本發(fā)明協(xié)議識別裝置第三實施例的結構示意圖。
具體實施方式
為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
圖1為本發(fā)明協(xié)議識別方法第一實施例的流程圖，如圖1所示，該協(xié)議識別方法包括
步驟101、根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息的識別概率，所述識別概率表示協(xié)議特征信息根據預設統(tǒng)計策略是否被采用的概率；
在步驟101之前，還可以包括根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié) 議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；
圖2為本發(fā)明實施例中協(xié)議-特征-條件的關系示意圖，如圖2所示，同一個協(xié)議的協(xié)議特征信息之間是“或”的關系，同一個協(xié)議特征信息的特征條件之間是“與”的關系。根據一個協(xié)議特征信息的所有特征條件的性能指數(shù)，可以計算出該協(xié)議特征信息的性能指數(shù)。
其中，根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù) 具體可以包括獲取每條協(xié)議特征信息中所有特征條件的性能指數(shù)；按照設定算法對所有特征條件的性能指數(shù)進行計算，得到協(xié)議特征信息的性能指數(shù)。所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力，如表示成功設別協(xié)議所消耗的時間和/或內存等的能力。可選的，某協(xié)議特征信息所消耗的時間和內存的能力都較低時，確定性能指數(shù)低；某協(xié)議特征信息所消耗的時間和內存的能力都較高時，確定性能指數(shù)高。可選的，可以識別概率優(yōu) 先，及根據識別概率先確定深度包檢測識別庫中所有的協(xié)議特征信息的初步序列，后根據所述性能指數(shù)確定初步序列的順序，確定優(yōu)化序列；也可以先根據性能指數(shù)，確定深度包檢測識別庫中所有的協(xié)議特征信息的初步序列，后根據識別概率確定初步序列的順序，確定深度包檢測識別庫中所有的協(xié)議特征信息的優(yōu)化序列。可以理解，也可以按照一定的策略條件結合識別概率和性能指數(shù)，確定深度包檢測識別庫中所有的協(xié)議特征信息的優(yōu)化序列。
如果預先“知道”輸入的數(shù)據流中的報文是什么協(xié)議，將這個協(xié)議的協(xié)議特征信息排放在匹配數(shù)據的最前面進行匹配，匹配成功的可能性增大，可以減少匹配次數(shù)。本發(fā)明實施例基于預設統(tǒng)計策略對數(shù)據流中的報文匹配哪條特征進行統(tǒng)計分析，統(tǒng)計出在某個設定時間段出現(xiàn)什么特征的數(shù)據流中報文的識別概率最大，根據識別概率調整協(xié)議特征信息的排列順序，自動提升協(xié)議匹配性能。由于網絡中的各個協(xié)議的數(shù)據流不是均勻分布的，決定原因如下(a)不同國家地區(qū)，使用的網絡軟件不同，網絡中協(xié)議數(shù)據流也不同。如歐美多使用MSN軟件，中國大陸多使用QQ軟件，中國出現(xiàn)QQ的協(xié)議的特征信息的概率大于出現(xiàn) MSN協(xié)議特征信息。(b)在同一個地區(qū)，不同的時間，由于人們的活動不同，網絡上協(xié)議的數(shù) 據流也不同。如白天是人們工作生活的主要時間段，需要人參與的軟件使用地比較多，網頁瀏覽、即時通訊(IM)類型的協(xié)議、郵件協(xié)議等協(xié)議的數(shù)據流出現(xiàn)概率較大；而凌晨時分，一些不需要人參與的軟件的使用占的比較多，因此BT、Thunder等下載類型協(xié)議的數(shù)據流出現(xiàn)概率較大。(c)由于互聯(lián)網的發(fā)展，新的網絡協(xié)議不斷出現(xiàn)，老的網絡協(xié)議也慢慢消失，因此各個協(xié)議的數(shù)據流出現(xiàn)概率不斷變化。7
因此，在步驟101之前，還可以預先設定所述預設統(tǒng)計策略，所述預設統(tǒng)計策略包括設定時間段、設定區(qū)域和協(xié)議新舊程度中的任意一種。
其中，步驟101具體可以包括以下任一情況
情況一、根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別成功概率；
情況二、根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別失敗概率。
步驟102、根據所述識別概率的大小，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；
其中，可以直接根據識別概率的大小，按照識別成功概率從高到低或者按照識別失敗概率從低到高的順序確定協(xié)議特征信息的優(yōu)化序列；也可以同時考慮識別概率和性能指數(shù)，確定協(xié)議特征信息的優(yōu)化序列，具體可以包括以下任一方式
方式一、根據所述協(xié)議特征信息的性能指數(shù)和所述識別概率，按照預設的函數(shù)關系，計算深度包檢測識別庫中的所有協(xié)議特征信息在不同排列順序對應的外部性能指數(shù)，將所述外部性能指數(shù)最低的排列順序確定為優(yōu)化序列；可以理解，這里的外部性能指數(shù)是用來衡量“協(xié)議特征信息排列順序”的性能指數(shù)，是針對已經排好的排列順序。
方式二、根據所述協(xié)議特征信息的性能指數(shù)和所述識別概率，計算深度包檢測識別庫中的所有協(xié)議特征信息對應的內部性能指數(shù)，將所有協(xié)議特征信息按照所述內部性能指數(shù)升序的排列順序確定為優(yōu)化序列，所述內部性能指數(shù)為所述性能指數(shù)與其對應的識別成功概率的比值或所述性能指數(shù)與其對應的識別失敗概率的乘積?？梢岳斫膺@里的內部性能指數(shù)是用來衡量協(xié)議特征信息性能指數(shù)，是針對協(xié)議特征信息，去排序協(xié)議特征信息。
步驟103、按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本實施例根據預設統(tǒng)計策略的識別概率，可以確定協(xié)議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流中的報文，協(xié)議匹配的性能不同，從而可以將匹配成功概率大的協(xié)議特征信息優(yōu)先匹配，將匹配失敗概率大的協(xié)議特征信息后續(xù)匹配，提升協(xié)議匹配性能。也可以綜合識別概率和協(xié)議特征信息的性能指數(shù)，將性能指數(shù)低、匹配成功概率大的協(xié)議特征信息優(yōu) 先匹配，將性能指數(shù)高、匹配失敗概率大的協(xié)議特征信息后續(xù)匹配，進一步提升協(xié)議匹配性能。
圖3為本發(fā)明協(xié)議識別方法第二實施例的流程圖，如圖3所示，在本發(fā)明協(xié)議識別方法第一實施例的基礎上，該協(xié)議識別方法包括
步驟201、計算識別成功每條協(xié)議特征信息的性能指數(shù)R。每條協(xié)議特征信息的性能指數(shù)只與其所有的特征條件有關。在相同的軟硬件環(huán)境下，相同特征條件的性能指數(shù)相同。因此，每條協(xié)議特征的性能指數(shù)可以預先計算。例如如圖4所示，為本發(fā)明協(xié)議識別方法第二實施例中協(xié)議特征信息與特征條件性能指數(shù)的關系示意圖，協(xié)議特征信息_1由4個特征條件組成，特征條件對應的條件類型的性能指數(shù)分別為Cl、C2.......Cm，則協(xié)議特征信息_1的性能指數(shù)Rl = F(C1，C2，......Cm)。例如，需要識別出協(xié)議A，協(xié)議A的協(xié)議特征信息需要同時滿足兩個特征條件Al和A2 其中，Al表示第三字節(jié)等于“0x02”，A2表示第五字節(jié)為這個數(shù)據包的長度，則協(xié)議A的協(xié)議特征信息的性能指數(shù)R的計算方法為由于匹配一個字節(jié)的需要1個性能單位，偏移一次指針需要0. 5個性能單位，匹配一次長度需要1.5個性能單位，所以匹配Al和A2需要1+0. 5+0. 5+1.5 = 3. 5個性能單位，因此，可以得到協(xié)議A的協(xié)議特征信息的性能指數(shù)R等于3. 5。其中，每個協(xié)議特征信息的特征條件的個數(shù)可以根據具體的應用確定，本發(fā)明不做限定。
步驟202、統(tǒng)計在設定策略內識別成功每條協(xié)議特征信息的識別成功概率P。
如果設定策略為設定時間段，則可以先將時間分段，其中，時間分段可以自動完成，也可以手工設置；時間分段的粒度可以是一天、一周、一年等。例如將一天分成三個設定時間段(900-18:00,18:00-0:00,0:00-900)，在設備運行一個月后，根據統(tǒng)計結果計算在該三個設定時間段內每條協(xié)議特征信息的識別成功概率。設定策略為設定區(qū)域或協(xié)議新舊程度時，識別概率的統(tǒng)計方法與設定時間段類似。
步驟203、根據性能指數(shù)和識別成功概率確定協(xié)議特征信息的所有排列順序對應的外部性能指數(shù)的序列，選取最低的外部性能指數(shù)對應的協(xié)議特征信息的序列，作為調整后的優(yōu)化序列。例如假設系統(tǒng)包括m個協(xié)議特征信息，協(xié)議識別的預先匹配序列對應的性能指數(shù)為Rx = (R1，R2，. . .，Rm)，每個協(xié)議特征信息對應的識別成功概率的序列為I^x = (Pl，P2，. . .，Pm)，m個協(xié)議特征信息的每一種排列順序對應的外部性能指數(shù)為Qx = F (Rx, Px)，調整m個協(xié)議特征信息的排列順序，可以得到m個協(xié)議特征信息在不同排列順序對應的外部性能指數(shù)，確定協(xié)議特征信息的所有排列順序對應的外部性能指數(shù)的序列為Oil， Q2，. . .，Qn)，其中，m為正整數(shù)，η是m個協(xié)議特征信息的排列組合的個數(shù)。選取最低的外部性能指數(shù)Qi = min(Ql,Q2,...，Qm)，Qi對應的協(xié)議特征信息的序列Ri為匹配效率最高的序列，作為調整后的優(yōu)化序列。例如，假設某個協(xié)議包括兩個協(xié)議特征信息“ 1 ”、“ 2 ”，對應的性能指數(shù)分別是Rl和R2，在某個設定時間段，對應的匹配成功概率分別為Pl和P2，并且協(xié)議特征信息的序列即排列順序有兩種(1, 和0，1)，則這兩種序列對應的兩個外部性能指數(shù)可以分別為Q1 = Rl+(I-Pl)*R2，Q2 = R2+(1_P2)*R1 ；選取最低的外部性能指數(shù) Qi = min(Ql, Q2)，Qi對應的協(xié)議特征信息的序列為調整后的優(yōu)化序列。
步驟204、系統(tǒng)按照確定的優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本實施例根據預設統(tǒng)計策略的識別概率和協(xié)議特征信息的性能指數(shù)，可以確定協(xié) 議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流，協(xié)議匹配的性能不同，從而可以將性能指數(shù)低、匹配成功概率大的協(xié)議特征信息優(yōu)先匹配，提升協(xié)議匹配性能。
圖5為本發(fā)明協(xié)議識別方法第三實施例的流程圖，如圖5所示，在本發(fā)明協(xié)議識別方法第一實施例的基礎上，該協(xié)議識別方法包括
步驟301、計算識別成功每條協(xié)議特征信息的性能指數(shù)R。具體方法可以參見上述實施例中的步驟201。
步驟302、統(tǒng)計在設定策略內識別成功每條協(xié)議特征信息的識別成功概率P。具體方法可以參見上述實施例中的步驟202。
步驟303、根據性能指數(shù)和識別成功概率計算每個協(xié)議特征信息對應的內部性能指數(shù)，將每個協(xié)議特征信息對應的內部性能指數(shù)的序列按照升序排序，得到優(yōu)化序列。例如假設當前總共有m個協(xié)議特征信息，協(xié)議識別的預先匹配序列對應的性能指數(shù)為Rx =(R1, R2，. . .，Rm)，每個協(xié)議特征信息對應的協(xié)議特征識別成功概率的序列為I^x = (Pl, P2，...，Pm)，計算每個協(xié)議特征信息對應的內部性能指數(shù)foc = RX/PX，將每個協(xié)議特征信息對應的內部性能指數(shù)的序列(Gl，G2，. . .，Gm)按升序排序，得到的協(xié)議特征信息序列為調整后的優(yōu)化序列。
步驟304、系統(tǒng)按照確定的優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本實施例根據預設統(tǒng)計策略的識別概率和協(xié)議特征信息的性能指數(shù)，可以確定協(xié) 議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流，協(xié)議匹配的性能不同，可以將性能指數(shù)低、匹配成功概率大的協(xié)議特征信息優(yōu)先匹配，提升協(xié)議匹配性能。
圖6為本發(fā)明協(xié)議識別方法第四實施例的流程圖，如圖6所示，在本發(fā)明協(xié)議識別方法第一實施例的基礎上，該協(xié)議識別方法包括
步驟401、計算識別成功每條協(xié)議特征信息的性能指數(shù)R。具體方法可以參見上述實施例中的步驟201。
步驟402、統(tǒng)計在設定策略內每條協(xié)議特征信息的識別失敗概率P’ χ。
如果設定策略為設定時間段，則可以先將時間分段，其中，時間分段可以自動完成，也可以手工設置；時間分段的粒度可以是一天、一周、一年等。例如將一天分成三個設定時間段(900-18:00,18:00-0:00,0:00-900)，在設備運行一個月后，根據統(tǒng)計結果計算在該三個設定時間段內每條協(xié)議特征信息的識別失敗概率。設定策略為設定區(qū)域或協(xié)議新舊程度時，識別概率的統(tǒng)計方法與設定時間段類似。本發(fā)明協(xié)議識別方法第二、第三實施例不同，本實施例不計算每個時間段協(xié)議特征新的識別成功概率I3X,而是計算識別失敗概率 P，X，其中，P，χ = I-Px0
步驟403、根據性能指數(shù)和識別失敗概率確定協(xié)議特征信息的所有排列順序對應的外部性能指數(shù)的序列，選取最低的外部性能指數(shù)對應的協(xié)議特征信息的序列，作為調整后的優(yōu)化序列。例如假設系統(tǒng)包括m個協(xié)議特征信息，協(xié)議識別的預先匹配序列對應的性能指數(shù)為Rx = (R1, R2，...，Rm)，每個協(xié)議特征信息對應的識別失敗概率的序列為P’ χ =(P’ 1，ρ’ 2，. . .，P’ m)，m個協(xié)議特征信息的每一種排列順序對應的外部性能指數(shù)為Q’ χ =F(Rx, P’ x)，m個協(xié)議特征信息的排列順序，可以得到m個協(xié)議特征信息在不同排列順序對應的外部性能指數(shù)，確定協(xié)議特征信息的所有排列順序對應的外部性能指數(shù)的序列為 (Q’ 1，Q’ 2，...，Q’m)，其中，m為正整數(shù)，η是m個協(xié)議特征信息的排列組合的個數(shù)。選取最低的外部性能指數(shù)Q’ i = min(Q' 1，Q’ 2，. . .，Q’ m)，Q’ i對應的協(xié)議特征信息的序列 R’ i為匹配效率最高的序列，作為調整后的優(yōu)化序列。
步驟404、系統(tǒng)按照確定的優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本實施例根據預設統(tǒng)計策略的識別概率和協(xié)議特征信息的性能指數(shù)，可以確定協(xié) 議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流，協(xié)議匹配的性能不同，可以將性能指數(shù)高、匹配失敗概率大的協(xié)議特征信息后續(xù)匹配，提升協(xié)議匹配性能。
圖7為本發(fā)明協(xié)議識別方法第五實施例的流程圖，如圖7所示，在本發(fā)明協(xié)議識別方法第一實施例的基礎上，該協(xié)議識別方法包括
步驟501、計算識別成功每條協(xié)議特征信息的性能指數(shù)R。具體方法可以參見上述10實施例中的步驟201。
步驟502、統(tǒng)計在設定策略內每條協(xié)議特征信息的識別失敗概率P’x。具體方法可以參見上述實施例中的步驟402。
步驟503、根據性能指數(shù)和識別失敗概率計算每個協(xié)議特征信息對應的內部性能指數(shù)，將每個協(xié)議特征信息對應的內部性能指數(shù)的序列按照升序排序，得到優(yōu)化序列。例如假設系統(tǒng)包括m個協(xié)議特征信息，協(xié)議識別的預先匹配序列對應的性能指數(shù)為Rx = (R1，R2，. . ·，Rm)，每個協(xié)議特征信息對應的識別失敗概率的序列為P，χ = (P，1，Ρ，2，· · ·， P’ m)，計算每個協(xié)議特征信息對應的內部性能指數(shù)G’ χ = Rx*P’ χ，將每個協(xié)議特征信息對應的內部性能指數(shù)的序列(G’ 1,G' 2,...,6'm)按照升序排序，得到的協(xié)議特征信息的序列為調整后的優(yōu)化序列。
步驟504、系統(tǒng)按照確定的優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
上述各個協(xié)議識別方法的實施例可以是動態(tài)調整的過程，每間隔一段時間進行一次計算，將協(xié)議特征信息的排列順序調整為優(yōu)化序列；也可以不是動態(tài)調整的過程，而是預先計算得到優(yōu)化序列后，靜態(tài)的將協(xié)議特征信息按照優(yōu)化序列的排列，例如將出現(xiàn)頻率高、性能指數(shù)低的協(xié)議特征信息排放在匹配序列的前面，如果都匹配不成功，則再采用匹配性能指數(shù)高的協(xié)議特征信息進行匹配。
本實施例根據預設統(tǒng)計策略的識別概率和協(xié)議特征信息的性能指數(shù)，可以確定協(xié) 議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流，協(xié)議匹配的性能不同，可以將性能指數(shù)高、匹配失敗概率大的協(xié)議特征信息后續(xù)匹配，提升協(xié)議匹配性能。
圖8為本發(fā)明協(xié)議識別方法第六實施例的流程圖，如圖8所示，該協(xié)議識別方法可以包括以下步驟
步驟601、根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；
其中，步驟601可以包括獲取每條協(xié)議特征信息中所有特征條件的性能指數(shù)；按照設定算法對所有特征條件的性能指數(shù)進行計算，得到協(xié)議特征信息的性能指數(shù)。具體可以參見本發(fā)明協(xié)議識別方法第一實施例中的相關描述及圖2。
步驟602、根據所述協(xié)議特征信息的性能指數(shù)，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；
例如按照性能指數(shù)從低到高的順序，確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序。
步驟603、按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
本實施例根據協(xié)議特征信息的性能指數(shù)，可以確定協(xié)議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流，協(xié)議匹配的性能不同，從而可以將性能指數(shù)低的協(xié)議特征信息優(yōu)先匹配，將性能指數(shù)高的協(xié)議特征信息后續(xù)匹配，提升協(xié)議匹配性能。
圖9為本發(fā)明協(xié)議識別裝置第一實施例的結構示意圖，如圖9所示，該協(xié)議識別裝置可以包括
識別概率統(tǒng)計模塊71，用于根據對已接收的報文進行深度包檢測的識別結果，統(tǒng) 計所述深度包檢測所采用的協(xié)議特征信息的識別概率，所述識別概率表示協(xié)議特征信息根據預設統(tǒng)計策略是否被采用的概率；
優(yōu)化序列確定模塊73，用于根據所述識別概率的大小，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；
協(xié)議識別模塊74，用于按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
具體地，深度包檢測識別庫中的每條協(xié)議特征信息都具有相應的性能指數(shù)；識別概率統(tǒng)計模塊71根據深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略是否被采用的概率即識別成功概率或識別失敗概率；然后，優(yōu)化序列確定模塊73可以根據所述協(xié)議特征信息的識別概率，確定深度包檢測識別庫中所有的協(xié)議特征信息的優(yōu)化序列；最后，協(xié)議識別模塊74，用于按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別本發(fā)明實施例的協(xié)議識別裝置可由開關控制是否啟動，該開關可以是物理的，也可以是邏輯代碼命令；該協(xié)議識別裝置可以獨立設置，也可嵌入到網絡匯聚設備如 DPI設備、網管設備產品中。該協(xié)議識別裝置各模塊的輸出值可以根據自身的運算結果確定，也可以預先設置的輸出值。該協(xié)議識別裝置的各個模塊可以每間隔一定的時間，確定一次優(yōu)化序列，實時更新優(yōu)化策略；也可以在協(xié)議識別開始時，確定優(yōu)化策略，隨后則一直采用優(yōu)化策略進行協(xié)議識別。
本實施例優(yōu)化序列確定模塊根據預設統(tǒng)計策略的識別概率可以確定協(xié)議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流中的報文，協(xié)議匹配的性能不同，從而可以將匹配成功概率大的協(xié)議特征信息優(yōu)先匹配，將匹配失敗概率大的協(xié)議特征信息后續(xù)匹配，提升協(xié)議匹配性能。
圖10為本發(fā)明協(xié)議識別裝置第二實施例的結構示意圖，如圖10所示，在本發(fā)明協(xié) 議識別裝置第一實施例的基礎上，該協(xié)議識別裝置還可以包括性能指數(shù)獲取模塊70和/ 或統(tǒng)計策略設定模塊75。
其中，性能指數(shù)獲取模塊70，用于根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；性能指數(shù)獲取模塊獲取協(xié)議特征信息的性能指數(shù)的具體方法，可以參見本發(fā)明協(xié)議識別方法第一、第二實施例中的相關描述。
統(tǒng)計策略設定模塊75，用于預先設定所述預設統(tǒng)計策略，所述預設統(tǒng)計策略包括設定時間段、設定區(qū)域和協(xié)議新舊程度中的任意一種。統(tǒng)計策略設定模塊預先預設統(tǒng)計策略的具體方法，可以參見本發(fā)明協(xié)議識別方法第一、第二實施例中的相關描述。
進一步地，性能指數(shù)獲取模塊70可以包括特征條件子模塊701和協(xié)議特征信息子模塊702。
其中，特征條件子模塊701，用于獲取每條協(xié)議特征信息中所有特征條件的性能指數(shù)；
協(xié)議特征信息子模塊702，用于按照設定算法對所有特征條件的性能指數(shù)進行計算，得到協(xié)議特征信息的性能指數(shù)。具體可以參見本發(fā)明協(xié)議識別方法第一、第二實施例中的相關描述和圖2。
進一步地，識別概率統(tǒng)計模塊71可以包括第一統(tǒng)計子模塊711和/或第二統(tǒng)計子模塊712。
其中，第一統(tǒng)計子模塊711，用于根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別成功概率；第一統(tǒng) 計子模塊確定識別成功概率的具體方法，可以參見本發(fā)明協(xié)議識別方法第一、第二、第三實施例中的相關描述。
第二統(tǒng)計子模塊712，用于根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別失敗概率。第二統(tǒng)計子模塊統(tǒng)計子模塊確定識別失敗概率的具體方法，可以參見本發(fā)明協(xié)議識別方法第一、第四、第五實施例中的相關描述。
再進一步地，優(yōu)化序列確定模塊73可以包括第一確定子模塊731和/或第二確定子模塊732。
其中，第一確定子模塊731，用于根據所述協(xié)議特征信息的性能指數(shù)和所述識別概率，按照預設的函數(shù)關系，計算深度包檢測識別庫中的所有協(xié)議特征信息在不同排列順序對應的外部性能指數(shù)，將所述外部性能指數(shù)最低的排列順序確定為優(yōu)化序列；第一確定子模塊根據外部性能指數(shù)確定優(yōu)化序列的具體方法，可以參見本發(fā)明協(xié)議識別方法第一、第二、第三實施例中的相關描述。
第二確定子模塊732，用于根據所述協(xié)議特征信息的性能指數(shù)和所述識別概率，計算深度包檢測識別庫中的所有協(xié)議特征信息對應的內部性能指數(shù)，將所有協(xié)議特征信息按照所述內部性能指數(shù)升序的排列順序確定為優(yōu)化序列，所述內部性能指數(shù)為所述性能指數(shù) 與其對應的識別成功概率的比值或所述性能指數(shù)與其對應的識別失敗概率的乘積。第二確定子模塊根據內部性能指數(shù)確定優(yōu)化序列的具體方法，可以參見本發(fā)明協(xié)議識別方法第一、第四、第五實施例中的相關描述。
本實施例優(yōu)化序列確定模塊的各個子模塊根據預設統(tǒng)計策略的識別概率和協(xié)議特征信息的性能指數(shù)，可以確定協(xié)議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流，協(xié)議匹配的性能不同，從而可以將性能指數(shù)低、匹配成功概率大的協(xié)議特征信息優(yōu)先匹配，將性能指數(shù) 高、匹配失敗概率大的協(xié)議特征信息后續(xù)匹配，提升協(xié)議匹配性能。
圖11為本發(fā)明協(xié)議識別裝置第三實施例的結構示意圖，如圖11所示，該協(xié)議識別裝置可以包括
性能指數(shù)獲取模塊81，用于根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；
優(yōu)化序列確定模塊83，用于根據所述協(xié)議特征信息的性能指數(shù)，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；
協(xié)議識別模塊85，用于按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。性能指數(shù)獲取模塊獲取協(xié)議特征信息的性能指數(shù)的具體方法，可以參見本發(fā)明協(xié)議識別方法第一、第二實施例中的相關描述。13
進一步地，性能指數(shù)獲取模塊81可以包括
特征條件子模塊811，用于獲取每條協(xié)議特征信息中所有特征條件的性能指數(shù)；
協(xié)議特征信息子模塊813，用于按照設定算法對所有特征條件的性能指數(shù)進行計算，得到協(xié)議特征信息的性能指數(shù)。具體可以參見本發(fā)明協(xié)議識別方法第一、第二實施例中的相關描述和圖2。
本實施例優(yōu)化序列確定模塊根據協(xié)議特征信息的性能指數(shù)，可以確定協(xié)議識別的優(yōu)化序列，不同的時間、地區(qū)的協(xié)議特征信息的排列順序可以不同，實現(xiàn)在不同的時間、不同的地區(qū)輸入同樣協(xié)議的數(shù)據流，協(xié)議匹配的性能不同，從而可以將性能指數(shù)低的協(xié)議特征信息優(yōu)先匹配，將性能指數(shù)高的協(xié)議特征信息后續(xù)匹配，提升協(xié)議匹配性能。
本領域普通技術人員可以理解實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關的硬件來完成，前述的程序可以存儲于一計算機可讀取存儲介質中，該程序在執(zhí)行時，執(zhí)行包括上述方法實施例的步驟；而前述的存儲介質包括R0M、RAM、磁碟或光盤等各種可以存儲程序代碼的介質。
最后應說明的是以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的精神和范圍。
權利要求
1.一種協(xié)議識別方法，其特征在于，包括根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息的識別概率，所述識別概率表示協(xié)議特征信息根據預設統(tǒng)計策略是否被采用的概率；根據所述識別概率的大小，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
2.根據權利要求1所述的協(xié)議識別方法，其特征在于，還包括根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力。
3.根據權利要求2所述的協(xié)議識別方法，其特征在于，所述根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，包括獲取每條協(xié)議特征信息中所有特征條件的性能指數(shù)；按照設定算法對所有特征條件的性能指數(shù)進行計算，得到協(xié)議特征信息的性能指數(shù)。
4.根據權利要求1所述的協(xié)議識別方法，其特征在于，所述根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息的識別概率，包括根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別成功概率；或根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別失敗概率。
5.根據權利要求2所述的協(xié)議識別方法，其特征在于，所述根據所述識別概率的大小，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，包括根據所述協(xié)議特征信息的性能指數(shù)和所述識別概率，按照預設的函數(shù)關系，計算深度包檢測識別庫中的所有協(xié)議特征信息在不同排列順序對應的外部性能指數(shù)，將所述外部性能指數(shù)最低的排列順序確定為優(yōu)化序列；或根據所述協(xié)議特征信息的性能指數(shù)和所述識別概率，計算深度包檢測識別庫中的所有協(xié)議特征信息對應的內部性能指數(shù)，將所有協(xié)議特征信息按照所述內部性能指數(shù)升序的排列順序確定為優(yōu)化序列，所述內部性能指數(shù)為所述性能指數(shù)與其對應的識別成功概率的比值或所述性能指數(shù)與其對應的識別失敗概率的乘積。
6.根據權利要求1-5任一所述的協(xié)議識別方法，其特征在于，還包括預先設定所述預設統(tǒng)計策略，所述預設統(tǒng)計策略包括設定時間段、設定區(qū)域和協(xié)議新舊程度中的任意一種。
7.一種協(xié)議識別方法，其特征在于，包括根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；根據所述協(xié)議特征信息的性能指數(shù)，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
8.根據權利要求7所述的協(xié)議識別方法，其特征在于，所述根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，包括獲取每條協(xié)議特征信息中所有特征條件的性能指數(shù)；按照設定算法對所有特征條件的性能指數(shù)進行計算，得到協(xié)議特征信息的性能指數(shù)。
9.一種協(xié)議識別裝置，其特征在于，包括識別概率統(tǒng)計模塊，用于根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息的識別概率，所述識別概率表示協(xié)議特征信息根據預設統(tǒng)計策略是否被采用的概率；優(yōu)化序列確定模塊，用于根據所述識別概率的大小，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；協(xié)議識別模塊，用于按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
10.根據權利要求9所述的協(xié)議識別裝置，其特征在于，還包括性能指數(shù)獲取模塊，用于根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；和/或統(tǒng)計策略設定模塊，用于預先設定所述預設統(tǒng)計策略，所述預設統(tǒng)計策略包括設定時間段、設定區(qū)域和協(xié)議新舊程度中的任意一種。
11.根據權利要求10所述的協(xié)議識別裝置，其特征在于，所述性能指數(shù)獲取模塊包括特征條件子模塊，用于獲取每條協(xié)議特征信息中所有特征條件的性能指數(shù)；協(xié)議特征信息子模塊，用于按照設定算法對所有特征條件的性能指數(shù)進行計算，得到協(xié)議特征信息的性能指數(shù)。
12.根據權利要求9所述的協(xié)議識別裝置，其特征在于，所述識別概率統(tǒng)計模塊還包括第一統(tǒng)計子模塊，用于根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別成功概率；和/或第二統(tǒng)計子模塊，用于根據對已接收的報文進行深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別失敗概率。
13.根據權利要求9所述的協(xié)議識別裝置，其特征在于，所述優(yōu)化序列確定模塊包括第一確定子模塊，用于根據所述協(xié)議特征信息的性能指數(shù)和所述識別概率，按照預設的函數(shù)關系，計算深度包檢測識別庫中的所有協(xié)議特征信息在不同排列順序對應的外部性能指數(shù)，將所述外部性能指數(shù)最低的排列順序確定為優(yōu)化序列；和/或第二確定子模塊，用于根據所述協(xié)議特征信息的性能指數(shù)和所述識別概率，計算深度包檢測識別庫中的所有協(xié)議特征信息對應的內部性能指數(shù)，將所有協(xié)議特征信息按照所述內部性能指數(shù)升序的排列順序確定為優(yōu)化序列，所述內部性能指數(shù)為所述性能指數(shù)與其對應的識別成功概率的比值或所述性能指數(shù)與其對應的識別失敗概率的乘積。
14.一種協(xié)議識別裝置，其特征在于，包括性能指數(shù)獲取模塊，用于根據協(xié)議特征信息所具有的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)，所述性能指數(shù)表示成功識別所述協(xié)議所消耗資源的能力；優(yōu)化序列確定模塊，用于根據所述協(xié)議特征信息的性能指數(shù)，確定深度包檢測識別庫中的協(xié)議特征信息的優(yōu)化序列，所述優(yōu)化序列用于確定對后續(xù)接收到的報文進行識別所采用的協(xié)議特征信息的先后順序；協(xié)議識別模塊，用于按照所述優(yōu)化序列，對后續(xù)接收到的報文進行協(xié)議識別。
15.根據權利要求14所述的協(xié)議識別裝置，其特征在于，所述性能指數(shù)獲取模塊包括特征條件子模塊，用于獲取每條協(xié)議特征信息中所有特征條件的性能指數(shù)；協(xié)議特征信息子模塊，用于按照設定算法對所有特征條件的性能指數(shù)進行計算，得到協(xié)議特征信息的性能指數(shù)。
全文摘要
本發(fā)明公開了一種協(xié)議識別方法和裝置。其中，該協(xié)議識別方法包括根據協(xié)議特征信息的特征條件，獲取所述協(xié)議特征信息的性能指數(shù)；根據深度包檢測的識別結果，統(tǒng)計所述深度包檢測所采用的協(xié)議特征信息在預設統(tǒng)計策略的識別概率；根據所述協(xié)議特征信息的性能指數(shù)和識別概率，確定深度包檢測識別庫中所有的協(xié)議特征信息的優(yōu)化序列；按照所述優(yōu)化序列，對接收到的報文進行協(xié)議識別。本發(fā)明實施例根據預設統(tǒng)計策略的識別概率，可以確定協(xié)議識別的優(yōu)化序列，可以將匹配成功概率大的協(xié)議特征信息優(yōu)先匹配，將匹配失敗概率大的協(xié)議特征信息后續(xù)匹配，提升協(xié)議匹配性能。
文檔編號H04L29/06GK102045347SQ20101056758
公開日2011年5月4日申請日期2010年11月30日優(yōu)先權日2010年11月30日
發(fā)明者王文學, 黃家星申請人:華為技術有限公司

完整全部詳細技術資料下載