基于决策树的递归包分类算法

doi:10.13190/jbupt.2006s2.45.306

北京邮电大学学报 ›› 2006, Vol. 29 ›› Issue (s2): 45-48.doi: 10.13190/jbupt.2006s2.45.306

基于决策树的递归包分类算法

张艳军1,2,陈友1,2, 郭莉1, 程学旗1

1. 中国科学院计算技术研究所, 北京 100080; 2. 中国科学院研究生院, 北京 100039

收稿日期:2006-09-02 修回日期:1900-01-01 出版日期:2006-11-30 发布日期:2006-11-30
通讯作者: 张艳军

A Recursive Packet Classification Algorithm Based on Decision Tree

ZHANG Yan-jun1,2, CHEN You1,2, GUO Li1, CHENG Xue-qi1

1. Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China;
2. Graduate University, Chinese Academy of Sciences, Beijing, China

Received:2006-09-02 Revised:1900-01-01 Online:2006-11-30 Published:2006-11-30
Contact: ZHANG Yan-jun1

摘要/Abstract

摘要：

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.

关键词: 包分类, 决策树, 映射

Abstract:

This paper introduces a classification algorithm called SRC(sensitive recursive classification). It is based on a decision tree structure. Doing many experiments, especially in FW(firewall) and ACL(access control list), we verified that SRC uses 3 to 10 times less memory than HiCuts(hierarchical intelligent cuttings), while the worst case search time is up to 5 times smaller. Compared with EGT-PC(extended grid-of-tries and path compression), SRC uses 2 to 8 times less memory while the worst case search time is up to 4 times smaller.

Key words: packet classification, decision tree, mapping

中图分类号:

TP309

张艳军1,2,陈友1,2, 郭莉1, 程学旗1. 基于决策树的递归包分类算法[J]. 北京邮电大学学报, 2006, 29(s2): 45-48.

ZHANG Yan-jun1,2, CHEN You1,2, GUO Li1, CHENG Xue-qi1

. A Recursive Packet Classification Algorithm Based on Decision Tree[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2006, 29(s2): 45-48.

[1]	常霄, 黄智濒, 禹旻, 杨武兵. 一种适用于航天大数据的深度决策树算法[J]. 北京邮电大学学报, 2023, 46(3): 1-6.
[2]	丁青锋杨倩徐梦引. 基于多RIS优化的空间调制安全传输映射策略[J]. 北京邮电大学学报, 2022, 45(5): 91-96.
[3]	王永, 龚建, 王明月, 江功坤. 一种整数混沌映射的伪随机数生成器[J]. 北京邮电大学学报, 2022, 45(1): 58-62.
[4]	孙全明, 常磊, 马铖, 曲志坚. 基于图嵌入和CaGBDT的多模态出行推荐[J]. 北京邮电大学学报, 2021, 44(5): 81-87,106.
[5]	刘琳岚, 肖庭忠, 夏扬, 舒坚. 基于超限快速决策树的链路质量评估[J]. 北京邮电大学学报, 2021, 44(3): 125-130.
[6]	余修武, 李莹, 刘永, 肖人榕, 余昊. 基于映射曲线的自适应莱维鲸鱼无线定位算法[J]. 北京邮电大学学报, 2020, 43(5): 125-129,136.
[7]	常紫英, 王文涵, 李涛, 刘芬, 陈朋朋. 一种基于Shapelet算法的指纹定位方法[J]. 北京邮电大学学报, 2020, 43(4): 95-100.
[8]	彭岩, 赵梓如, 吴婷娴, 王洁. PM_2.5浓度预测与影响因素分析[J]. 北京邮电大学学报, 2019, 42(6): 162-169.
[9]	管焱然, 奥利弗·范凯克, 管有庆. 基于重心映射的三角形网格参数化方法研究与实现[J]. 北京邮电大学学报, 2019, 42(5): 83-90.
[10]	唐伦, 杨恒, 赵国繁, 王耀玮, 陈前斌. 基于时延感知的5G网络切片节点和链路映射算法[J]. 北京邮电大学学报, 2018, 41(6): 71-77.
[11]	卢美莲, 顾云, 刘通. SDN-ScaSVNE:可伸缩的SDN生存性虚拟网络映射算法[J]. 北京邮电大学学报, 2018, 41(3): 75-80.
[12]	徐九韵, 管超, 江丹. 一种面向信誉主观性和时变性的云服务信任管理方法[J]. 北京邮电大学学报, 2017, 40(5): 30-35.
[13]	齐琳, 李超, 窦峥. 并行组合脉冲MIR UWB通信系统建模与仿真[J]. 北京邮电大学学报, 2016, 39(1): 74-78.
[14]	古恒, 陈钊, 王枞, 张思悦, 傅群超. 双层聚类模型在日志数据分析中的应用[J]. 北京邮电大学学报, 2015, 38(s1): 63-66,71.
[15]	丁健, 刘江, 刘韵洁. 一种面向多拓扑类型请求的虚拟网络映射算法[J]. 北京邮电大学学报, 2015, 38(3): 88-93.

基于决策树的递归包分类算法

A Recursive Packet Classification Algorithm Based on Decision Tree

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价