??? 摘??要： 基于網(wǎng)絡處理器" title="網(wǎng)絡處理器">網(wǎng)絡處理器的特點，提出了一種新的多模" title="多模">多模匹配算法HBM算法,。在Intel網(wǎng)絡處理器IXP2400上,，設計實現(xiàn)了高速反蠕蟲病毒引擎" title="反蠕蟲病毒引擎">反蠕蟲病毒引擎。實驗表明,，引擎達到了千兆以太網(wǎng)的性能要求,，具有較好的實際應用價值。
??? 關鍵詞： 網(wǎng)絡處理器? 反蠕蟲病毒引擎? 多模匹配算法? HBM算法
?
??? 隨著Internet規(guī)模的擴大,，網(wǎng)絡安全已經(jīng)成為當前網(wǎng)絡系統(tǒng)設計中的一個重要問題,。為此,，在當前的網(wǎng)絡防火墻和入侵檢測系統(tǒng)（IDS）中，除了需要進行協(xié)議分析,、流狀態(tài)檢測外,，還需要對網(wǎng)絡分組的載荷進行特征匹配，以此來確定網(wǎng)絡分組中是否含有蠕蟲病毒代碼,。與網(wǎng)絡帶寬的飛速提高相比,，反蠕蟲系統(tǒng)的掃描引擎的發(fā)展還不成熟，開發(fā)千兆以太網(wǎng)環(huán)境下的反蠕蟲系統(tǒng)還有難度,。本文給出的對于網(wǎng)絡分組載荷進行掃描檢測的多模匹配引擎,，正是一種適合高速環(huán)境下的反蠕蟲引擎系統(tǒng)。
1 相關工作
??? 反蠕蟲引擎平臺主要有兩種：一種是采用全硬件定制的方式,；另一種是采用軟件實現(xiàn)的方式,。采用硬件方式往往能夠得到較高的掃描檢測速度，但是不適合設計比較復雜的防火墻或IDS系統(tǒng),；采用軟件方式的掃描引擎速度較慢,，但是可以用來設計實現(xiàn)功能復雜的系統(tǒng)。
??? 網(wǎng)絡處理器[1]是一種介于全硬件定制和通用處理器之間的新型處理器,，相對于前兩種實現(xiàn)方式,，網(wǎng)絡處理器兼有他們的優(yōu)點。一方面,，它采用執(zhí)行程序的方式,，相比于硬件實現(xiàn)方式，可以完成較為復雜的處理功能,。同時,，也可以方便地添加和擴展功能模塊，有效地移植和整合現(xiàn)有的程序功能,。另一方面,，它的硬件體系結(jié)構(gòu)針對網(wǎng)絡應用進行了優(yōu)化，大大提升了分組處理過程,，可以得到較好的性能指標,，適合作為網(wǎng)絡應用的開發(fā)平臺[1,5,9]。
??? 反蠕蟲引擎的核心算法是多模匹配算法（multi-pattern matching algorithm）[2,4],，即對于輸入的字符串,，掃描其是否包含預先給定的若干特征字符串之一，蠕蟲攜帶的特征字符串也稱為特征碼（signature）,。
??? 多模匹配的主要算法之一是將BM算法[6]在多模匹配條件下進行擴展,。BM算法是一種啟發(fā)式算法，主要利用了失效字符轉(zhuǎn)跳及好后綴轉(zhuǎn)跳思想，如圖1和圖2所示,。該算法思想是在每次匹配中,，從右往左反向逐個比較字符，當發(fā)生匹配失敗時,，根據(jù)此字符的信息以及之前比較過的字符串后綴（即字符串最右部分）信息,，最大程度地向后移動比較指針，從而減少無用的比較次數(shù),。在圖1中,，輸入字符‘l’匹配失敗，從失效轉(zhuǎn)跳表Delta1中,，找到‘l’對應項的值（該值為‘l’在“hello hi”中最右出現(xiàn)處到串末尾的距離）,，并將輸入字符串向左移動相應距離。在圖2中,，輸入串的‘do’和特征字符串末尾的‘do’相匹配,，稱特征字符串的‘do’為好后綴。轉(zhuǎn)跳時,，可以將輸入字符串的‘do’移動到和特征串中的前一個‘do’相對齊位置,。
?
??? BM算法思路推廣到多模匹配中,，由于匹配模式增加,，Delta1表的每一項必須是字符塊而不是單個字符（否則，所有值均接近0,，無法給出好的轉(zhuǎn)跳信息）,，這樣就帶來Delta1表空間增大的問題，同時原來的好后綴生成算法在多模匹配下也不正確,，需要重新設計,。
??? 這類算法主要有WM算法[4]、Setwise BMH算法[7],、AC-BM算法[8]等,。WM算法只對輸入字符串的后綴進行一次比較，并沒有很好地利用字符串的整體信息,，也沒有利用好后綴的可能轉(zhuǎn)跳,。Setwise BMH算法和AC-BM算法的失效字符轉(zhuǎn)跳表（Delta1表）的組織空間往往很大，無法放入高速緩存之中,，不適合在網(wǎng)絡處理器上實現(xiàn),。為此，本文基于網(wǎng)絡處理器的特點,，提出了一種新的多模匹配算法,，即HBM算法。
2 HBM算法描述
??? HBM算法同樣使用失效字符轉(zhuǎn)跳思想，所不同的是,，將失效字符轉(zhuǎn)跳表（Delta1表）進行散列壓縮（允許碰撞）,，從而可以大大減少Delta1表的空間占用；同時,，在多模匹配情況下改進好后綴轉(zhuǎn)跳方式,。與以上幾種算法相比，HBM算法可以在空間要求大大降低的情況下,，得到相近甚至更優(yōu)的時間性能,；同時，在網(wǎng)絡處理器系統(tǒng)中,，可利用高速緩存單元,，得到更好的系統(tǒng)性能數(shù)據(jù)。其主要步驟如下：
??? (1)每次比較的基本單位是若干個字符（在實現(xiàn)中取4個字符）組成的字符塊,。
??? (2)每次對一段輸入子字符串的匹配是從右向左依次進行的,。例如，子字符串“abcdef”需要先比較字符塊“cdef”,，再比較“bcde”,，最后比較“abcd”。判斷第i次字符塊比較是否成功的條件是：該字符塊在Delta1表中的值D1是否小于i（即D1
??? (4)算法使用兩張啟發(fā)式移位表：Delta1和Delta2,，第(3)步中輸入字符串的移動距離，取兩者中的較大值,。
??? (5)若某個子字符串的所有字符塊均比較成功,，則還需要和蠕蟲特征碼進行精確比較，才能確定其為特征碼之一或是一次誤判（false-positive）,。
??? 整個掃描過程并不復雜,，算法的主要難點在于如何有效地構(gòu)造兩張啟發(fā)式移位表Delta1和Delta2。下面對這兩張表的構(gòu)造做詳細介紹,。
2.1 Delta1表構(gòu)造
??? Delta1表的構(gòu)造和原BM算法相比,，不同之處在于：
??? (1)比較的基本單位變?yōu)樽址麎K。
??? (2)字符塊在Delta1表中的索引位置由散列函數(shù)值決定,。
??? (3)如果兩個字符塊由于散列沖突而對應Delta1表的同一項,，則此項存放兩者中的較小“移位距離”,。
??? 例如，圖3中“efgh”和“abcd”的散列值相同,，它們就存放于Delta1表中的同一項,，其值取較小的值0。
?
?
2.2 Delta2表構(gòu)造
??? Delta2表的構(gòu)造比較復雜,，下面將給出其構(gòu)造和使用方法,。
??? 在多模匹配情況下，不能像BM算法那樣直接找特征串首部是否有和后綴相同的字串,，而是要通過字符塊在Delta1表中的值D1,，來間接判斷首部是否有好后綴。例如,，在圖4中,，字串“xbcde”和后綴串“abcde”具有相同的特征（如圖所示，從右往左數(shù),，第i個字符塊的Delta1值D1
?
?
??? 記特征字符串數(shù)為n，長度為L,，塊大小為b,；記特征碼為S0,S2……，Sn-1,，為了便于描述,，將任意字符串pattern=a0a1a2…aL-1，擴充記為pattern=…＄＄＄＄a0a1a2…aL-1,，即
ai=＄。其中＄為假想字符,，可為任意字符,，同時任何含有＄的字符塊，其Delta1值定為D1=0,。這里對所有特征字符串都作了這種擴充,。
??? 在給出Delta2表的構(gòu)造和使用之前，先給出某個子字符串“相一致”,，以及函數(shù)rpr（rightmost plausible reoccurrence）的定義,。
??? “相一致”指的是在特征字符串中，某個子字符串和后綴子字符串,，它們的首字符塊有不同的特性,，而其余對應字符塊則有共同的特性,，如圖4所示。由于出現(xiàn)好后綴轉(zhuǎn)跳時,，后綴子字符串的Delta1值特性固定,，因此定義特征字符串中的子字符串C=c0 c1…cn和后綴字符串“相一致”，要求滿足條件(1)：
??? 
式中,，D1(ci ci+1…ci+b-1)為字符塊ci ci+1…ci+b-1在Delta1表中的移位值,。
??? 定義函數(shù)y=rpr(Si,t)，t∈[0,L-b-1],，要求在特征字符串Si中,，從位置t往左（不包括t），找到長度為L-t的最右的相一致的子字符串,，記此子字符串為位置k開始的siksi(k+1)…si(k+L-t-1),，則rpr(Si,t)=k+1。
??? Delta2表長度固定為L-b+1,，記Delta2表的第t項的值為D2(t),，則其值可由(2)式求得。
???
式中,，0≤t≤L-b-1,，maxr{rpr(Si,t)}表示對于r=0,1,…n-1，取這n個特征字符串Sr的rpr值中的最大值,。
3 基于網(wǎng)絡處理器的優(yōu)化
??? 本文將HBM算法在Intel網(wǎng)絡處理器IXP 2400上實現(xiàn),，并針對IXP 2400的體系結(jié)構(gòu)特點進行了優(yōu)化。主要由網(wǎng)絡處理器的XScale核心對蠕蟲特征碼進行初始化處理,，組織兩張啟發(fā)式移位表,；運行時主要由微引擎執(zhí)行掃描工作，完成網(wǎng)絡分組的接收,、分類,、掃描和轉(zhuǎn)發(fā)功能。系統(tǒng)整體功能模塊如圖5所示,。
?
??? 在IXP 2400上實現(xiàn)HBM多模匹配算法時,，綜合起來，主要的優(yōu)化有：
??? (1)算法中的散列運算用邏輯操作完成,，不需要復雜的乘除指令支持,，適合網(wǎng)絡處理器的指令結(jié)構(gòu)。
??? (2)將特征字符串組織成散列鏈表的形式,，以減少精確匹配時的I/O" title="I/O">I/O操作次數(shù),。散列鏈表結(jié)構(gòu)如圖6所示。
?
??? (3)將兩張訪問頻率較高的表Delta1和Delta2存放在I/O存取速度快的存儲單元,，將訪問頻率低的特征字符串集合存放在存取速度慢的單元,，如表1所示,。
?
?
??? (4)對于輸入的分組載荷進行預讀取功能，以減少I/O操作次數(shù),。即對于輸入的分組載荷,，每次從慢速DRAM中預讀取最大的64個二進制字符，通過軟件計算指針位置,，從而有效地利用預讀取的分組載荷,，減少I/O訪問次數(shù)。
4 實驗測試與性能分析
??? 在測試床中對系統(tǒng)的有效性進行了測試,。該測試床包括以下設備：千兆以太網(wǎng)絡交換機(TP-LINK TL-SL2226P+,24+2G),、流量發(fā)生器IXIA 1600、ENP 2611實驗板(含IXP2400網(wǎng)絡處理器),，以及攜帶蠕蟲病毒的PC機,、多臺普通PC機和服務器。其配置環(huán)境示意圖如圖7所示,。反蠕蟲病毒引擎工作在監(jiān)聽模式下被動接收分組,、檢測并發(fā)出報警。
?
??? 實驗采用隨機產(chǎn)生的固定長度特征碼字,，字長為32字節(jié),，特征碼的數(shù)量為512個（注意：HBM算法也支持非固定長度的特征碼字）。產(chǎn)生的以太網(wǎng)幀長度分別為118,、246,、…、1 398以及最大可能的1 518字節(jié),。分組中攜帶特征碼字的比例(簡稱為命中率)為0%,、20%、…,、100%,，特征碼字在分組載荷中的出現(xiàn)位置隨機決定。實驗輸入的分組數(shù)目為4 000,。
??? Intel網(wǎng)絡處理器IXP 2400的XSCAL核的工作主頻為400MHz,，每個微引擎(ME)的工作主頻為400MHz，SRAM和DRAM的總線主頻為100MHz,。實驗數(shù)據(jù)的吞吐率" title="吞吐率">吞吐率值均取于媒體總線(Media Bus)上，其時鐘頻率為104MHz,。
??? 圖8和圖9反映了反蠕蟲引擎的吞吐率性能,。圖8(a)是命中率為0%時的吞吐率隨以太幀長度變化情況，即沒有網(wǎng)絡分組包含蠕蟲特征碼的情況,，引擎性能最后穩(wěn)定在1 400Mbps～1 500Mbps之間,。圖8(b)是命中率為100%時的情況,，即每個網(wǎng)絡分組都包含蠕蟲特征碼的極端情況。此時,，一旦發(fā)現(xiàn)特征碼即結(jié)束操作,，剩余的載荷內(nèi)容不必繼續(xù)檢測，吞吐率隨著以太幀長度的增加而增加,。圖9為吞吐率隨命中率變化情況,，隨著命中率的增加，每幀平均不需要檢測的載荷數(shù)目增多,，吞吐率增大,。圖10為不包含蠕蟲特征碼的網(wǎng)絡分組通過反蠕蟲引擎的延時情況，隨著幀長度的增加,，單幀處理的平均延時呈線性平穩(wěn)增長,。由以上性能數(shù)據(jù)可知：在IXP2400上采用HBM算法的反蠕蟲引擎，已經(jīng)達到了千兆以太網(wǎng)的吞吐率要求,；同時,，算法的吞吐率性能穩(wěn)定，在蠕蟲爆發(fā)時（即命中率大幅度提高）,，性能不會有大的下降,。
?
???? 
?
??? 網(wǎng)絡處理器由于具有靈活的可編程特性，適用于高速的網(wǎng)絡分組處理,。本文采用Intel IXP2400網(wǎng)絡處理器,，設計和實現(xiàn)了基于深度包檢測的反蠕蟲病毒引擎。HBM算法是對經(jīng)典BM算法的一個推廣,，算法的重點是以字符塊為比較單位,，重新設計Delta1表和Delta2表。同時根據(jù)網(wǎng)絡處理器的存儲器架構(gòu)特點,，以允許沖突的散列運算壓縮Delta1表,，合理存放相應的數(shù)據(jù)結(jié)構(gòu)，減少了I/O開銷,。實驗結(jié)果表明,HBM算法有效地提高了吞吐率,，并且性能指標穩(wěn)定，達到了高速網(wǎng)絡環(huán)境下的性能要求,。
參考文獻
[1] CHEN Z, LIN C, NI J.AntiWorm NPU-based Parallel?Bloom filters in Giga-Ethernet?LAN[C]//IEEE International Conference on Communications:Network Security and Information Assurance Symposium, 2006.Istanbul:IEEE Press,2006:2118-2123.
[2] SONG H,LOCKWORD J.Multi-pattern signature matching for hardware network intrusion detection systems[C]//: Global Telecommunications Conference Nov,2005:GLOBECOM’05.St. Louis: IEEE Press, 2005:5.
[3]? ?KIENZLE D M, ELDER M C. Recent worms: a survey and trends[C]//Proceedings of the 2003 ACM workshop on ?Rapid Malcode, October, 2003. Washington: ACM Press,2003: 1-10.
[4] ?WU S, MANBER U. A fast algorithm for multi-pattern searching. Technical Report TR-94-17[R]. Department of Computer Science, University of Arizona, 1994.
[5] ?LIU R, HUANG N, KAO C. A fast pattern-match engine ?for network processor-based network intrusion detection system[C]//:Information Technology: Coding and Computing 2004: Proceedings of ITCC 2004 International Conference. Las Vegas: IEEE Press, 2004:97-101.
[6] ?BOYER R, MOORE J. A fast string searching algorithm[J]. Communications of the ACM, 1977,20(10):762-772.
[7] ?FISK M,VARGHESE G.An analysis of fast string matching applied to content-based forwarding and intrusion detection. Technical Report CS2001-0670[R]. University of California-San Diego, 2002.
[8] ?COIT C, STANIFORD S, MCALERNEY J. Towards faster pattern matching for intrusion detection, or exceeding the speed of snort[C]//. Proc. of the 2nd DARPA Information Survivability Conference and Exposition:DISCEX II. Piscataway: IEEE Press, 2001:367-373.
[9] ?XU B, ZHOU X, LI J. Recursive shift indexing: A fast multi-pattern string matching algorithm[C]//Proc. of the 4th International Conference on Applied Cryptography and Network Security:ACNS 2006. Singapore: Springer,2006.