并行计算和管道forLow电源应用模式匹配策略

Kiruthika.T¹,Brindha.P²

PG学生,ECE、Velalar工程与技术学院,侵蚀,Tamilnadu、印度
助理教授,ECE、Velalar工程与技术学院,侵蚀,Tamilnadu、印度

文摘

一个广泛应用的方法代表加入一组项目是一个简单的空间随机数据结构称为布鲁姆过滤器。一般普通的布隆过滤器存在的能耗和玻璃钢(假阳性)。为了克服这一点,我们提出了两个方法。管线式布鲁姆过滤器k-stages架构提出了实现显著的节电。第二种方法是减少了玻璃钢的平行布隆过滤器。进一步的小说Bhsequence方案介绍了池管线式和并行布隆过滤器体系结构减少玻璃钢。通过这种方法可以实现-20%的节能10%左右。布鲁姆过滤器是用于网络安全应用程序,比如web缓存资源路由、网络监控。

关键字

假阳性率(玻璃钢)多维动态布隆过滤器(MDBF),并行布隆过滤器(PBF)计数布鲁姆过滤器(CBF)。

介绍

现在一天,有一个适量的软件程序是保护计算机系统安装。利用NIDS方法等恶意内容[1]互联网蠕虫和病毒在网络数据包的标识。网络入侵检测系统(NIDS)[11]扫描网络数据包的头似乎存在的预定义的IP地址。在集成电路信号处理一般,几个输出并行计算为并行处理在一个时钟周期。在流水线,它处理单个模块在一个时钟周期。有两个主要使用混合体系结构的优点:高速度和低功率。布隆过滤器是一种创造性的随机数据结构给信息代表一组为了证实近似会员查询。发现伯顿1970年开花的[2]等大规模网络应用程序共享网络缓存,查询路由、网络监控、资源路由和交通管理。布鲁姆过滤器广泛用于网络应用在深层数据包检测[12],这检查数据包的有效载荷对一组已知的病毒。布隆过滤器可以提供更好的性能,如果假阳性[10]不会引起大麻烦。使用任何列表或组,和空间是一个问题,应该考虑布隆过滤器。 While use a bloom filter, consider the potential effects of false positives. Generally Dynamic bloom filters are introduced to represent dynamic sets, as well as static sets.DBF can regulate the false positive probability at a low level. Standard and dynamic bloom filters just mainly focus on the representation of single attributes instead of representing [3] multi attribute. One of the new technique Multi-dimension dynamic bloom filter (MDBF) is introduced to represent the multi attribute items. By the use of RBF (Retouched Bloom filter) the overall error rate is maintained low [7] It is expressed as a group of false positive rate and false negative rate. In RBF, the error rate [8] is made equivalent to the false positive rate of the consequent bloom filters. In order to reduce the power consumption of bloom filters, the pipelining technique is engaged. The embracing new type of bloom filter is termed as “Pipelined Bloom Filter”. Bloom filters indicate the set of ‘n’ patterns in a m-bit array vector. Before programming, the elements in this array are set to ‘0’and each signature is hashed k times by the autonomous hash functions. Each hash function locates homogeneously to a random number and that indicates a bit location in the m-bit long lookup vector, which is set to ‘1’. In query stage, bloom filters computes k many hash values for an input string ‘y’ by utilizing the same hash functions, used in programming operation. If all the hashes locate to the bit location that are set to ‘1’ (match), then the query string is in the set [5]. If any of the hashes locates to the bit location that is set to ‘0’ (mismatch), then the query string is definitely not in the set. A bloom filter not at all produce false negatives, if it decides input is a nonmember, but it may produce false positives. The false positive probability f is estimated by,

的数量,n是模式编程到布隆过滤器,k是哈希函数的数量用于实现布隆过滤器和m是查找向量的长度。m > n的选择,减少假阳性的概率。为固定值m / n, k必须大假阳性的概率降到最低。哈希函数的数量最小化的玻璃钢

正则布隆过滤器的能耗是一个求和的电力消耗每一个哈希函数,P H i P L P和。

在这里,PAND被忽略。相比,因为它是最小的力量使用的哈希函数,也假定查找权力秩序的稳定的位向量每个索引由哈希函数的设计。与相同数量的输入位哈希函数将用同样数量的组件和实现将消耗大约相同数量的权力。我们可以写正则布隆过滤器的功耗如下,

但是有一个关键的挑战,有多维的表示和查询项属性。所以我们提出的一个新技术MDDBFs(多尺度动态布鲁姆过滤器)代表项目有多个属性。假阳性的概率可能会增加,如果MDDBF方法[4]缺乏一种验证多个属性的依赖项。然而,MDDBF方法缺乏一种确认项目的多个属性的依赖关系,这可能会增加假阳性的概率。通过并行布隆过滤器与一个哈希表,这支持与多个属性的代表性项目。通过使用parallel-pipelined布隆过滤器设计[6],可以查询多个字符串,可以减少功耗和提高吞吐量。在流水线设计,查询字符串估计一个管道阶段,剩下的阶段是在“闲置”。这种技术提供了一个更大数量的减少功耗。但它存在计算延迟。通过使用多个哈希函数,同时评价多个查询字符串并行管线式布隆过滤器的设计。

管线式布隆过滤器

基本上,管道布隆过滤器由几组不同阶段中所使用的哈希函数。而哈希函数的数量需要减少假阳性布隆过滤器的可能性很大,它优越,在力量方面,实现这些哈希函数管线式风格。我们称这种新型的布鲁姆过滤器管线式布隆过滤器[7]。哈希函数是安排在管线式方式,减少能耗。本质上,它包括两个哈希函数组。

1。第一阶段,永远计算哈希值。

2。第二阶段只是计算出散列值,如果有任何匹配输入和模式。

使用管线式布隆过滤器技术的优点是,如果第一阶段识别匹配,不需要使用第二阶段决定是否输入字符串是一套签名的一部分。这可能是由于布隆过滤器是免费的假阴性率。缺点是功耗。

完全管道化布隆过滤器设计是解决这一能耗的问题。建设完全管道化布隆过滤器显示在图1。这个建筑有相同数量的哈希函数作为正则布隆过滤器。因此,假阳性的概率也是相同的。在调查阶段,最初的哈希functionh1,是由一个新的查询序列每一辆自行车。一个查询字符串已经进展到下一个阶段之前只有当哈希函数产生一个匹配。现在每个散列模块由哈希函数和一个m / k位查找数组中。查询字符串进展到下一个阶段,如果以前的哈希函数不能匹配的签名。当查询字符串开始下一个阶段,设计增加了延迟。

分析

每个哈希函数系数是随机选择的范围的概率1 m。一些设置,之后所有的签名都是程序通过使用k-many独立的哈希函数是α。

(1 - 1 / m)的概率是背后的是设置一个散列值计算与一个签名。已经设置了任何一位的概率,

为了生成一个第一阶段比赛,任意球的比特索引所有r和哈希函数应设置小姐。所以,“P”的比赛可能是初始阶段,是表示,

通过的概率(1 - p)的哈希函数的初始阶段管线式布隆过滤器将导致不匹配。否则,初始阶段产生一个匹配,那么下一个阶段是用来评估输入所需的签名。因此管线式布隆过滤器的功耗是由,

布隆过滤器平行

一个直观的方法来表示多属性商品可以各种属性合并到单个属性数组存储在一个标准的布隆过滤器(SBF)。然而,这样的方法可以提供延迟回复查询用户如果多个属性有不同的格式。事实上,它需要一个长时间的散列结果单一但长属性数组。然而,在一个标准形式SBF根本上是一个压缩表示,限制其丰富的查询服务。在真实的应用程序中,许多调查请求查询的商品不能提供精确的和绝对的描述,结合sbf查询部分属性的使用。在本文中,我们提出一个方法的空间组织表示多属性物品。未来的方法利用数据结构进行快速但确切会员查询,实现节省空间。我们描述的数据结构在三个阶段:

1。一个平行的布隆过滤器(PBF)结构,

2。(PBF-HT)和PBF的哈希表

3所示。PBF布隆过滤器(PBF-BF)。

图2所示。显示了平行布隆过滤器的体系结构。这个结构需要从流媒体窗口每个8位值为每个单独的散列模块和产生相应的输出。最后,输出值,得到最终的单一输出。假阳性率高度最小化而使用这个平行布隆过滤器的方法,但是硬件略有增加。

管线式和并行布隆过滤器相结合

结合流水线和并行布隆过滤器的设计,以满足高速和低功耗的要求。一般的布隆过滤器由多个哈希函数和一个查找数组中。查找数组的位宽,估计一个查询字符串操作,查找数组中特定的k位检查[9]。如果所有位定位,查询字符串是成员的集合。有一个可能,非会员查询字符串可能是评估作为签名的一员,这是假阳性率(玻璃钢)。如果哈希函数的增加,玻璃钢(假阳性)会降低。它引入了大量的能耗。通过使用并行和管线式布隆过滤器设计[6],并行多个查询字符串过滤和可以减少电力消耗以及改善。

估计在流水线设计,查询字符串的管线式阶段,剩下的阶段是在“闲置”。这种技术有更大数量的减少功耗。通过使用多个哈希函数,同时评价多个查询字符串并行管线式布隆过滤器设计和普通布隆过滤器相比更大吞吐量的发展。

Bh-SEQUENCE方法

假阳性Bh-sequence率的方法

我们现在Bh布鲁姆的假阳性率。一般认为在参考[7]我们假设哈希函数图项目随机数同样分布在给定的范围内。定理:Bh布鲁姆是假阳性,

实验结果

管线式无花果.5Power储蓄率和布隆过滤器平行

从表1,显示了假阳性计数率布隆过滤器和CBF Bh-sequence根据m / n和k值。m应该大于n的选择,减少假阳性的概率。为固定值m / n, k必须大假阳性的概率降到最低。例如,用m / n = 35(2)方程,计算相应的k = 24.260。用k值为(1)方程,相应的假阳性概率估计计数布鲁姆过滤器。从这个分析,布隆过滤器Bh-sequence将会产生假阳性的概率小于正常计数布鲁姆过滤器。从这个分析中,通过使用这些方法假阳性概率是高度降低。从表2的PSR管线式BF高于平行的男朋友。

结论

在本文中,我们提出了一个管线式布隆过滤器实现更大的节能方法。达到准确检测多哈希函数签名必须包括在内。哈希函数的数量需要减少假阳性布隆过滤器的概率很大,因此电力消耗更多。减少这个,哈希函数是级联的方式实现的,在哈希函数是由签名的阶段和检测是基于前一个阶段的输出。通过这种方法可以实现-20%的节能10%。并行布隆过滤器的使用降低了玻璃钢。与传统的布隆过滤器相比,与Bh-sequence管线式布隆过滤器的使用方法有一个小的减少玻璃钢。但对于平行布隆过滤器在玻璃钢Bh-sequence方法显著减少。管线式布隆过滤器的节电率高而平行布隆过滤器。

确认

作者承认学生的贡献,Velalar工程技术学院学院帮助在测试电路的设计,和工具支持。作者也感谢匿名评论者的评论,帮助改善。作者要感谢匿名评论者的建设性的批判,本文大大受益。

引用

卡亚。我和Kocak。T(2006),“低功耗布隆过滤器体系结构深层数据包检测”,IEEE Commun。列托人。,vol. 10, no. 3, pp. 210-212.
布罗德。一。和米成马赫一起米(2005),“网络布鲁姆过滤器的应用:一项调查,”互联网数学卷,1号4、485 - 509页。
陈。H,郭。D,罗。吴X和。J(2006),“理论”和网络应用程序的动态布鲁姆过滤器,Proc, IEEE信息通信。
本·肖和余华(2010),“使用并行布鲁姆过滤器有关网络服务的多属性的表示,“IEEE并行计算和分布式系统,第一卷。21日。
Kocak。踮该。米(2008),“完全管道化布隆过滤器体系结构中,“IEEE通信信件,第12卷,11路。
Deokhokim Doohwan哦(2012)“高效并行管线式布隆过滤器的设计,电子信件,卷。48岁的7号。
Baynat。B, Donnet。B和弗里德曼。T(2006),“润色布鲁姆过滤器:允许网络应用权衡选择的假阳性和假阴性,“Proc。如您相依新兴网络实验和技术(CoNEXT)。
青春不谢。B(1970),“空间/时间的权衡与许用哈希编码错误,“Commun。ACM, 13卷,不。7,422 - 426页。
山。米,桑切斯。D, Sankaralingam。K和日元。L(2007),“为事务实现签名记忆”在Proc。40 IEEE / ACM Int 'lSymp。微架构,芝加哥。
OriRottenstreich以撒Keslassy(2013),“变量增量计数布鲁姆过滤器”,IEEE / ACM交易网络。
Attig。米,Dharmapurikar。年代和洛克伍德。J(2012)“字符串匹配系统的设计和实现网络入侵检测使用基于FPGA的布鲁姆过滤器”,IEEE VLSI系统,下册。
青春不谢。B(1970),“空间/时间的权衡与许用哈希编码错误,“Commun。ACM, 13卷,不。7,422 - 426页。
Dharmapurikar。年代,萨•。P, Lockwood.J。W和Sproull.T。年代(2004),“深层数据包检测使用并行布鲁姆过滤器,IEEE微,24卷,没有。1、52 - 61页。
Dharmapurikar。年代,萨•。P和Taylor.D.E(2003),“最长前缀匹配使用布鲁姆过滤器,”Proc, ACM SIGCOMM。
萨尔州。C和Yossi。米,(2003),“光谱布鲁姆过滤器,”Proc。ACM SIGMOD。