一种面向软件定义网络的大流检测机制

发布时间：2022-01-16 23:05

　　为解决大流检测过程中普遍存在的精度低、耗费高等问题,提出了一种面向软件定义网络的大流检测机制SampleFlow.通过综合sFlow和OpenFlow技术优势,使用粗粒度的采样技术识别出疑似大流,在OpenFlow交换机上安装测量流表项,对这些疑似大流进行细粒度测量判别,以达到准确检测大流的目标,通过采样点优化选择算法,还可降低采样的冗余性.实验结果表明,SampleFlow能够有效降低测量负载,并提升大流检测的精度. 

【文章来源】：北京邮电大学学报. 2020,43(01)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

s Flow采样点设置示例

确定采样点之后，每台采样交换机上的s Flow代理对经过的分组按照预设的采样率进行采样，并将采样到的分组信息发送至s Flow采集器．如图2所示，s Flow采集器针对所有采样到的流维护1个哈希表HT，假设某一采样分组p具有流标识idp，且fi=Hash(idp)，则在收到该分组后，s Flow采集器将判断fi是否已经在哈希表HT内，若是，则s Flow采集器将HT[fi]的值增加volume(p);否则，其将创建一个新的初始数值为volume(p)的表项HT[fi]．一旦HT[fi]的数值超过预定的疑似大流阈值，则s Flow采集器将立即发送流标识idp到SDN控制器，并标志该流为正在被SDN控制器测量的疑似大流．在大流检测过程中，假阳性和假阴性是2个广泛使用的评价指标，前者代表检测结果中的误判情况，而后者表明了检测结果中的漏判情况．本步骤的主要目标是找出疑似大流，因此漏判比误判具有相对更严重的后果，后者可以在流表测量阶段进行过滤，只是会带来一定的流表空间浪费，而前者将直接导致测量结果的错误．因此，在疑似大流的判定过程中，通过引入一个松弛因子λ来适当降低疑似大流的判断阈值，容许一些误判，并随后在流表测量中将误判流排除．

在完成疑似大流的检测后，s Flow采集器将所检测到的疑似大流发送给SDN控制器，SDN控制器根据接收到的疑似大流向相应的OpenFlow交换机下发测量流表项开启测量任务，并随后读取这些测量流表项，从而获得每条测量流的实际流量数据，据此检测出真正的大流及其流量值等．图3给出了大流检测机制的示意，其中加载测量规则过程中，控制器根据s Flow采集器所上报的疑似大流信息生成测量规则，并按照一定的策略[10]加载到相应的OpenFlow交换机上．而读取测量数据则是由控制器周期性地从交换机处读取最新的流量测量数据，进而通过流量值判断出真正的大流．算法2给出了SampleFlow大流检测机制的总体流程．


本文编号：3593590