利用 GPU 从分布式边缘路由器恢复滑动超点

滑动超点是在滑动时间窗口下定义的一种特殊主机，有大量其他主机与其联系。它在网络安全与管理中发挥着重要作用。但是，如何从包含多个分布式路由器的当今高速网络中实时检测它们是一项艰巨的任务。分布式滑动超点检测要求一种算法能够增量估计联系主机的数量，以快于数据包流动的速度扫描数据包，并在一个时间段结束时重构滑动超点。然而，现有算法均无法同时满足这三个要求。为解决此问题，本文首先提出了一种在 GPU 上运行的分布式滑动超点检测算法。该算法的优势源于一种新颖的滑动估计器（可在滑动窗口下增量估计联系主机数量）以及一组可逆哈希函数（通过它们无需存储诸如 IP 列表等额外数据即可恢复滑动超点）。该算法包含两个主要过程：数据包扫描和滑动超点重构。两者均可并行运行且无任何数据读取冲突。部署在低成本 GPU 上时，该算法可处理带宽高达 680 Gb/s 的流量。我们使用真实世界核心网络流量，在廉价 GPU（具有 4 GB 显存的 Nvidia GTX950）上评估了此滑动超点检测算法的性能。在离散时间窗口下与其他算法的对比实验表明，该算法具有最高的准确率。在滑动时间窗口下，该算法具有与离散时间窗口中相同的性能，而其他算法均无法工作。