초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

네트워크의 공격과 침입이 증가하고 방법이 고도화 되면서 네트워크 침입 탐지 시스템(NIDS, Network Intrusion Detection System)의 성능 요구사항이 증가하고 있다. NIDS의 성능을 향상시키기 위해서는 가장 연산 비용이 큰 다중 패턴 매칭과 정규표현식 매칭에 대해서 고속화를 시도하여야 한다. 기존의 관련 연구는 NIDS의 고속화를 위해서 하드웨어 기반인 ...

네트워크의 공격과 침입이 증가하고 방법이 고도화 되면서 네트워크 침입 탐지 시스템(NIDS, Network Intrusion Detection System)의 성능 요구사항이 증가하고 있다. NIDS의 성능을 향상시키기 위해서는 가장 연산 비용이 큰 다중 패턴 매칭과 정규표현식 매칭에 대해서 고속화를 시도하여야 한다. 기존의 관련 연구는 NIDS의 고속화를 위해서 하드웨어 기반인 ASIC(Application Specific Integrated Circuits) 및 FPGA(Field Programmable Gate Array)를 사용하여 성능을 향상시켰지만 구현의 어려움과 유연성이 낮은 문제점이 있었다. 본 논문은 하드웨어 기반 시스템의 문제점을 해결하기 위해 소프트웨어 기반인 병렬처리에 탁월한 GPU를 사용하여 NIDS의 고속화 구현을 연구하였다. GPU 상의 성능의 고속화를 위해 사용하는 알고리즘의 특성과 메모리 구조를 분석하여 최적화 구현을 하였고 전역 메모리의 캐시효과를 최대로 적용시키기 위해 코어레싱(coalescing)을 적용하여 성능을 향상시켰다. 호스트 컴퓨터와 GPU 사이의 데이터 송수신을 pageable host memory을 사용한 PCI(Peripheral Component Interconnect)의 메모리 복사 방식이 아닌 page-locked host memory를 사용하여 DMA(Direct Memory Access)를 통한 메모리 복사 방식을 사용하여 기존의 성능보다 더 향상시켰다. 다중 패턴 매칭의 성능은 25.25Gbps로 기존 연구에 비해 3배 이상의 성능을 내었고 CPU에 비해 18배 이상의 성능을 내었고 정규표현식 매칭의 경우 24.27Gbps로 기존 연구에 비해 2배 이상의 성능을 내었고 CPU에 비해 10배 이상의 성능을 내었다.

주제어