李丽娟 刘荣吉 原小卫

（1.成都九洲电子信息系统股份有限公司，四川 成都 610041 ；2.盲信号处理国家级重点实验室，四川 成都 610041）

0 引言

随着新一代通信技术的迅速发展，网络规模不断扩大，通信链路速率快速提升，承载业务更加多样化，信息隐匿技术广泛应用，网络攻击手段日趋多元化、组织化、隐蔽化，这些都使网络管理工作越来越复杂，难度增加。网络流量监测是网络管理、网络运营、网络优化和网络安全的重要基础，是掌握网络运行规律和理解网络行为的支撑技术，是网络安全审计系统的关键环节[1]。目前，网络流量监测主要从4个层面展开：基于 Bit-level、基于Packet-level、基于Flow-level以及基于Stream-level的流量分析[2]。

在网络管理工作中，往往存在网络优化、特定问题查找、可疑目标锁定、网络行为溯源和取证等需求，需要从不同层面精准地采集网络数据，进一步分析处理，其中包括多个层面融合采集的需求。通常使用模式匹配的方式对网络数据进行标记、筛选，模式相对简单（例如五元组），规则相对固化，在数据匹配的灵活性方面有所欠缺，用户体验欠佳；此外，由于传统匹配模式多为串行处理，即对一个网络数据的处理按规则进行先后处理，该模式的处理性能较低，进而导致所支持的规则集合规模无法扩大、系统整体处理能力受限。因此，该文研究一种行之有效的多维度融合匹配技术，以期大幅扩大筛选规则集合的规模，增加数据处理的灵活性，有效提升整体处理性能，满足用户需要，在大规模在线网络数据处理环境下是很有必要的。……