擬態(tài)多執(zhí)行體架構(gòu)下的超時(shí)閾值計(jì)算方法

聶德雷，趙博，王崇，汪欣，燕昺昊

?

擬態(tài)多執(zhí)行體架構(gòu)下的超時(shí)閾值計(jì)算方法

聶德雷1，趙博2，王崇2，汪欣3，燕昺昊2

（1. 天津市濱海新區(qū)科技和工業(yè)創(chuàng)新委員會(huì)，天津 300000； 2. 國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心，河南 鄭州 450002； 3. 天津?yàn)I海新區(qū)信息技術(shù)創(chuàng)新中心，天津 300000）

針對(duì)當(dāng)前超時(shí)策略算法難以應(yīng)對(duì)任務(wù)量起伏劇烈情況的問(wèn)題，提出了一種應(yīng)用于擬態(tài)防御架構(gòu)系統(tǒng)的基于等效比例執(zhí)行時(shí)間的超時(shí)閾值預(yù)測(cè)算法，利用擬態(tài)防御架構(gòu)中多個(gè)功能等價(jià)執(zhí)行體任務(wù)執(zhí)行時(shí)間正相關(guān)的原理，預(yù)測(cè)任務(wù)執(zhí)行時(shí)間并設(shè)置合理的超時(shí)閾值。仿真結(jié)果表明，所提算法能夠針對(duì)不同任務(wù)情況動(dòng)態(tài)地預(yù)測(cè)并設(shè)定超時(shí)閾值，有效地提高了超時(shí)判決效率，尤其適用于任務(wù)量變化劇烈的場(chǎng)景。

擬態(tài)防御；閾值計(jì)算；多執(zhí)行體；超時(shí)判決

1 引言

隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)空間安全的重要性愈發(fā)凸顯。擬態(tài)安全防御是一種應(yīng)對(duì)網(wǎng)絡(luò)攻擊威脅的新思想，其通過(guò)構(gòu)建動(dòng)態(tài)異構(gòu)冗余的系統(tǒng)架構(gòu)和運(yùn)行機(jī)制實(shí)現(xiàn)“容侵”[1-3]。在擬態(tài)防御系統(tǒng)中，擬態(tài)調(diào)度器從異構(gòu)冗余池內(nèi)動(dòng)態(tài)選擇多個(gè)異構(gòu)功能等價(jià)執(zhí)行體進(jìn)行任務(wù)分配，各執(zhí)行體將處理結(jié)果輸出給仲裁器進(jìn)行仲裁，得到最終結(jié)果。

雖然異構(gòu)功能等價(jià)體在設(shè)計(jì)過(guò)程中盡可能保持功能等價(jià)性能接近，但在實(shí)際環(huán)境中面對(duì)不同任務(wù)時(shí)，處理效率無(wú)法保證完全一致，故仲裁器需要等待所有執(zhí)行體處理完畢并輸出結(jié)果才可進(jìn)行一致性裁決。若存在某個(gè)執(zhí)行體受到攻擊、非法操控或者隨機(jī)失效而無(wú)法產(chǎn)生有效輸出或任務(wù)執(zhí)行時(shí)間顯著延長(zhǎng)的情況，將導(dǎo)致仲裁器陷入長(zhǎng)時(shí)間等待，甚至致使其他執(zhí)行體無(wú)法繼續(xù)執(zhí)行后續(xù)任務(wù)，不僅增加系統(tǒng)時(shí)間開(kāi)銷(xiāo)，而且嚴(yán)重影響系統(tǒng)的正常運(yùn)行。因此，在系統(tǒng)構(gòu)建中引入超時(shí)機(jī)制來(lái)限制異構(gòu)體執(zhí)行任務(wù)的最長(zhǎng)時(shí)間，這對(duì)于提高系統(tǒng)仲裁效率、保障系統(tǒng)正常運(yùn)行具有重要意義。

針對(duì)超時(shí)機(jī)制問(wèn)題，Ryu等[4]提出了一種基于測(cè)量的二進(jìn)制指數(shù)超時(shí)（MBET, measurement- based binary exponential timeout）策略，令每個(gè)流的超時(shí)相互獨(dú)立，先設(shè)定一個(gè)足夠大的超時(shí)參數(shù)，然后在每個(gè)超時(shí)時(shí)間內(nèi)觀(guān)測(cè)流吞吐量并調(diào)整超時(shí)參數(shù)（以2的指數(shù)形式遞減或維持不變），優(yōu)點(diǎn)是可以快速得到理想的超時(shí)參數(shù)且實(shí)現(xiàn)簡(jiǎn)單，但沒(méi)有對(duì)初始參數(shù)的設(shè)置進(jìn)行討論，且不適用于吞吐量變化較大的場(chǎng)景。錢(qián)迎進(jìn)等[5]提出了一種基于滑動(dòng)時(shí)間窗口算法的自適應(yīng)超時(shí)策略，利用滑動(dòng)窗口算法得到各時(shí)間段內(nèi)的服務(wù)時(shí)間歷史記錄，并預(yù)測(cè)下一階段的超時(shí)參數(shù)，其優(yōu)點(diǎn)是超時(shí)參數(shù)可以根據(jù)擁塞情況動(dòng)態(tài)調(diào)整，且有多種方案可以選擇，但沒(méi)有對(duì)擬合精度和效果進(jìn)行深入討論。周明中等[6]提出了一種兩層自適應(yīng)超時(shí)策略（TSAT），綜合固定超時(shí)和自適應(yīng)超時(shí)的優(yōu)點(diǎn)，對(duì)于不同特點(diǎn)的網(wǎng)絡(luò)流采用不同的超時(shí)策略，能有效提高系統(tǒng)效能，節(jié)省存儲(chǔ)空間，但實(shí)現(xiàn)起來(lái)較復(fù)雜。Claffy[7]提出了一種固定超時(shí)的實(shí)現(xiàn)方法，雖然可以取得較好的效果，但是不具有動(dòng)態(tài)性和適應(yīng)性。Fonti等[8]分析了在計(jì)算機(jī)中更新應(yīng)用程序超時(shí)值的機(jī)制系統(tǒng)。侯穎等[9]通過(guò)自適應(yīng)超時(shí)技術(shù)過(guò)濾器解決網(wǎng)絡(luò)空間擁塞問(wèn)題。

通過(guò)分析發(fā)現(xiàn)，現(xiàn)有的超時(shí)機(jī)制都是使用單個(gè)處理單元或執(zhí)行體，通過(guò)某種規(guī)則或計(jì)數(shù)器實(shí)現(xiàn)超時(shí)控制，其對(duì)超時(shí)閾值或處理時(shí)間的預(yù)測(cè)往往基于一個(gè)前提，即相鄰任務(wù)的任務(wù)量接近、任務(wù)執(zhí)行時(shí)間變化趨勢(shì)可預(yù)測(cè)。然而在實(shí)際應(yīng)用中，大量場(chǎng)景的任務(wù)量變化無(wú)規(guī)律可循，相鄰任務(wù)的執(zhí)行時(shí)間也不具相關(guān)性，此時(shí)上述閾值預(yù)測(cè)算法性能會(huì)急劇下降。本文提出了一種新的超時(shí)閾值預(yù)測(cè)（EPET，equivalent proportional execution time）算法。EPET利用執(zhí)行體功能等價(jià)性原理，通過(guò)歷史任務(wù)執(zhí)行時(shí)間隊(duì)列來(lái)近似估算執(zhí)行體間的處理效率，并以完成任務(wù)的執(zhí)行體為基準(zhǔn)，預(yù)測(cè)剩余執(zhí)行體的執(zhí)行時(shí)間并計(jì)算超時(shí)閾值。相比已有方法，EPET不僅能夠較好地應(yīng)對(duì)前后任務(wù)差異較大的情況，適用于擬態(tài)防御環(huán)境，而且計(jì)算復(fù)雜度低，避免產(chǎn)生額外開(kāi)銷(xiāo)。

2 基于多執(zhí)行體的自適應(yīng)超時(shí)閾值預(yù)測(cè)算法

2.1 EPET算法

當(dāng)前已有的超時(shí)閾值算法只針對(duì)單執(zhí)行體情況[10-11]，利用歷史任務(wù)的處理時(shí)間來(lái)預(yù)測(cè)下一任務(wù)的處理時(shí)間，并不適用于任務(wù)量變化劇烈、無(wú)規(guī)律可循的情況。擬態(tài)防御架構(gòu)區(qū)別于普通系統(tǒng)架構(gòu)的重要特征之一為包含多個(gè)異構(gòu)功能等價(jià)體，存在一致性特征，即在構(gòu)建擬態(tài)防御架構(gòu)時(shí)選擇性能相近的功能等價(jià)體，以保證運(yùn)行結(jié)果的無(wú)偏性，同時(shí)便于后續(xù)裁決過(guò)程。因此對(duì)于同樣的任務(wù)，多個(gè)異構(gòu)執(zhí)行體的處理時(shí)間較為接近，并與處理能力呈近似反比關(guān)系。進(jìn)一步，在面對(duì)不同處理量的任務(wù)時(shí)，多個(gè)異構(gòu)執(zhí)行體的處理時(shí)間往往會(huì)呈現(xiàn)相同的增加或減少趨勢(shì)[12]。

因此，在EPET算法中，通過(guò)利用第一個(gè)完成任務(wù)的等價(jià)體的執(zhí)行時(shí)間及各執(zhí)行體間的執(zhí)行時(shí)間等效比例，來(lái)估算其余等價(jià)體的執(zhí)行時(shí)間。即

考慮到預(yù)測(cè)精度、系統(tǒng)負(fù)載以及傳輸延時(shí)等情況，最終選取的超時(shí)閾值需要對(duì)期望的任務(wù)執(zhí)行耗時(shí)進(jìn)行合理放大，避免由于超時(shí)閾值選取過(guò)小導(dǎo)致誤報(bào)率增大的情況。

其中，t為最終選取的超時(shí)閾值，為放大系數(shù)，依據(jù)應(yīng)用場(chǎng)景的具體需求設(shè)定，?。?。

進(jìn)一步，EPET通過(guò)對(duì)每個(gè)執(zhí)行體維護(hù)一個(gè)歷史任務(wù)執(zhí)行時(shí)間隊(duì)列來(lái)計(jì)算各執(zhí)行體的執(zhí)行時(shí)間等效比例。

歷史任務(wù)執(zhí)行時(shí)間隊(duì)列Q更新規(guī)則如下。

1) 若執(zhí)行體為當(dāng)前時(shí)刻第一個(gè)完成任務(wù)執(zhí)行并輸出有效結(jié)果的執(zhí)行體，則將執(zhí)行體的實(shí)際執(zhí)行時(shí)間t加入時(shí)間隊(duì)列，并將隊(duì)列中最遠(yuǎn)時(shí)刻時(shí)間記錄移出隊(duì)列，此時(shí)，Q更新為

2.2 特殊性分析

本文針對(duì)擬態(tài)防御系統(tǒng)提出自適應(yīng)超時(shí)閾值算法，本意是排除由于執(zhí)行周期過(guò)長(zhǎng)、產(chǎn)生隨機(jī)錯(cuò)誤或受到攻擊而無(wú)法在合理時(shí)間內(nèi)得到有效輸出的異構(gòu)執(zhí)行體。然而，算法實(shí)施過(guò)程存在特殊情況，即執(zhí)行體可能由于某些異常原因或受到遠(yuǎn)程控制，導(dǎo)致執(zhí)行體未按照控制命令完整地執(zhí)行相應(yīng)的功能，造成執(zhí)行時(shí)間顯著縮短。進(jìn)而在此類(lèi)情況下，通過(guò)EPET算法進(jìn)行異構(gòu)執(zhí)行體超時(shí)閾值預(yù)測(cè)將導(dǎo)致正常執(zhí)行體全部被判決為超時(shí)，擬態(tài)防御機(jī)制失效，嚴(yán)重影響系統(tǒng)正常運(yùn)行及安全性能。

為解決上述問(wèn)題，此時(shí)EPET規(guī)則改進(jìn)如下。

1) 根據(jù)第一個(gè)完成任務(wù)的執(zhí)行體計(jì)算出超時(shí)閾值，若其他所有執(zhí)行體的執(zhí)行時(shí)間均超過(guò)該超時(shí)閾值，即根據(jù)該閾值其他執(zhí)行體全部被判為超時(shí)，則判決此時(shí)執(zhí)行體異常且預(yù)測(cè)超時(shí)閾值失效，繼續(xù)等待其余執(zhí)行體輸出結(jié)果。

2) 若根據(jù)第二個(gè)執(zhí)行體1完成任務(wù)時(shí)間計(jì)算出來(lái)的超時(shí)閾值并未導(dǎo)致其余執(zhí)行體全部被判為超時(shí)，即存在執(zhí)行體在預(yù)測(cè)閾值時(shí)間內(nèi)完成任務(wù)，則判定此時(shí)超時(shí)閾值預(yù)測(cè)有效。此時(shí)以第二個(gè)執(zhí)行體為基準(zhǔn)，按照2.1節(jié)所述規(guī)則更新所有執(zhí)行體歷史事件隊(duì)列。

3) 若根據(jù)第二個(gè)執(zhí)行體1完成任務(wù)時(shí)間計(jì)算出來(lái)的超時(shí)閾值繼續(xù)導(dǎo)致其余執(zhí)行體全部被判為超時(shí)，重復(fù)上述步驟，直到有執(zhí)行體在預(yù)測(cè)閾值時(shí)間內(nèi)完成任務(wù)。

根據(jù)擬態(tài)防御架構(gòu)原理，攻擊者同時(shí)針對(duì)所有異構(gòu)功能執(zhí)行體完成攻擊或控制僅存在理論上的可能性，在實(shí)際環(huán)境中為保證擬態(tài)防御性能異構(gòu)性，執(zhí)行體的研發(fā)、組成、選取、運(yùn)行等過(guò)程差異顯著，致使攻擊者無(wú)法在短時(shí)間內(nèi)利用有限的人力、物力完成對(duì)所有執(zhí)行體的探測(cè)和攻擊過(guò)程，因此，所有執(zhí)行體都存在異常的情況不在本文算法考慮之內(nèi)。

2.3 復(fù)雜度分析

3 實(shí)驗(yàn)設(shè)置

為實(shí)現(xiàn)對(duì)本文提出的EPET自適應(yīng)超時(shí)閾值預(yù)測(cè)算法進(jìn)行仿真，搭建基于擬態(tài)原理構(gòu)建的處理器系統(tǒng)，原理如圖1所示。擬態(tài)處理器系統(tǒng)包括4個(gè)異構(gòu)處理器、一個(gè)擬態(tài)調(diào)度器以及相關(guān)外圍接口。其中，4個(gè)異構(gòu)處理器分別為AMD、x86 i3、ARM Cortex-A9、龍芯1F(32 bit MIPS架構(gòu))，分別搭載Windows7、Windows10、Ubuntu、中標(biāo)麒麟系統(tǒng)，獨(dú)立并行處理用戶(hù)端下發(fā)的指令及任務(wù)；調(diào)度模塊為Xilinx Virtex-7系列FPGA，型號(hào)為XC7VX690T，主要完成對(duì)外通信接口、數(shù)據(jù)指令分發(fā)、處理結(jié)果判決、數(shù)據(jù)分組轉(zhuǎn)發(fā)等任務(wù)，3個(gè)處理器模塊接收調(diào)度模塊發(fā)送來(lái)的數(shù)據(jù)和指令，并完成任務(wù)處理，再將結(jié)果轉(zhuǎn)發(fā)給調(diào)度模塊。硬件平臺(tái)上，F(xiàn)PGA和各處理器之間的數(shù)據(jù)傳輸過(guò)程極短，可以忽略。仿真實(shí)驗(yàn)過(guò)程針對(duì)同一實(shí)驗(yàn)進(jìn)行多次，最終結(jié)果取各次結(jié)果平均值，保證結(jié)果的無(wú)偏性。

圖1 擬態(tài)處理器系統(tǒng)原理

此外，實(shí)驗(yàn)中編寫(xiě)了一個(gè)模擬任務(wù)執(zhí)行的控制臺(tái)程序，分為Client端和Server端，用戶(hù)通過(guò)Client端發(fā)送執(zhí)行命令及數(shù)據(jù)，各異構(gòu)處理器運(yùn)行Server端接收指令和數(shù)據(jù)并執(zhí)行。收發(fā)程序的具體執(zhí)行過(guò)程如下。

1) 保持用戶(hù)PC與擬態(tài)處理器系統(tǒng)聯(lián)通。

2) 用戶(hù)使用Client端程序向擬態(tài)處理器發(fā)送執(zhí)行指令，由FPGA下達(dá)至各CPU的Server端；

3) 各CPU在收到指令和數(shù)據(jù)后進(jìn)行處理，而后將結(jié)果上傳。

4) FGPA記錄任務(wù)的開(kāi)始時(shí)間和結(jié)束時(shí)間。

5) FPGA對(duì)各CPU的輸出進(jìn)行仲裁，然后將最終結(jié)果上傳給用戶(hù)，Client端顯示文件接收結(jié)果。

Server端每發(fā)一個(gè)數(shù)據(jù)，視為執(zhí)行一次任務(wù)，任務(wù)執(zhí)行周期由發(fā)包時(shí)間和處理時(shí)間組合得到。一次任務(wù)執(zhí)行完后，間隔100 μs，Client端再發(fā)送一個(gè)執(zhí)行指令。

4 實(shí)驗(yàn)仿真與分析

4.1 參數(shù)測(cè)定及分析

1) 最優(yōu)放大系數(shù)選取過(guò)程

EPET算法考慮到實(shí)際網(wǎng)絡(luò)環(huán)境中存在測(cè)量誤差、傳輸處理時(shí)延等不可控因素，需要對(duì)算法預(yù)測(cè)得出的超時(shí)閾值進(jìn)行合理放大，避免由于超時(shí)閾值過(guò)于貼近理論值而導(dǎo)致誤報(bào)率升高。但放大系數(shù)的選取需依照不同系統(tǒng)環(huán)境來(lái)設(shè)定，一方面，若放大系數(shù)選取過(guò)小，難以解決誤報(bào)率高的問(wèn)題；另一方面，若放大系數(shù)選取過(guò)大，不僅可能導(dǎo)致異常執(zhí)行體被判決為正常，也將增加正常執(zhí)行體的平均等待時(shí)間，降低系統(tǒng)運(yùn)行效率。

本文實(shí)驗(yàn)通過(guò)設(shè)置測(cè)試指令集，對(duì)放大系數(shù)取值范圍在(1,2]內(nèi)的執(zhí)行體平均超時(shí)誤報(bào)率及正常執(zhí)行體平均等待時(shí)間進(jìn)行測(cè)定，精度為0.1。其中，誤報(bào)率定義為正常執(zhí)行事件被判決為超時(shí)的次數(shù)占總執(zhí)行事件的比率，正常執(zhí)行體平均等待時(shí)間t定義為所有正常執(zhí)行體對(duì)于同一任務(wù)的預(yù)測(cè)超時(shí)閾值與實(shí)際執(zhí)行時(shí)間的差值平均值。實(shí)驗(yàn)結(jié)果如圖2所示，從圖2(a)中可以看出，在本文實(shí)驗(yàn)環(huán)境下，當(dāng)放大系數(shù)小于1.6時(shí)，執(zhí)行體平均超時(shí)誤報(bào)率呈不斷下降趨勢(shì)，當(dāng)放大系數(shù)大于1.6時(shí)，執(zhí)行體平均超時(shí)誤報(bào)率雖繼續(xù)下降，但趨勢(shì)放緩；從圖2(b)中可以看出，預(yù)測(cè)超時(shí)閾值與實(shí)際執(zhí)行時(shí)間的差值平均值不斷增大。綜上考慮，本文中放大系數(shù)選取為1.6。

圖2 放大系數(shù)對(duì)EPET算法性能的影響

2) 最優(yōu)執(zhí)行體歷史事件執(zhí)行時(shí)間隊(duì)列長(zhǎng)度選擇過(guò)程

從圖3所示實(shí)驗(yàn)結(jié)果可以看出，隨著執(zhí)行體歷史事件執(zhí)行時(shí)間隊(duì)列長(zhǎng)度的增加，差值比率的數(shù)值不斷下降，表明超時(shí)閾值的預(yù)測(cè)準(zhǔn)確率逐漸增大。但當(dāng)隊(duì)列長(zhǎng)度超過(guò)5時(shí)，差值比率的數(shù)值下降速度放緩，繼續(xù)增加隊(duì)列長(zhǎng)度不僅無(wú)法獲得更加顯著的性能提升，而且會(huì)繼續(xù)增加系統(tǒng)存儲(chǔ)開(kāi)銷(xiāo)，因此本文實(shí)驗(yàn)中選取隊(duì)列長(zhǎng)度為5。

圖3 歷史事件時(shí)間隊(duì)列長(zhǎng)度對(duì)EPET算法性能的影響

4.2 實(shí)驗(yàn)驗(yàn)證及分析

基于4.1節(jié)選取出的EPET算法最優(yōu)參數(shù)，本節(jié)通過(guò)設(shè)定指令集對(duì)算法的有效性進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果如圖4所示。從圖4中的不同曲線(xiàn)不難看出，CPU在面對(duì)不同系統(tǒng)指令時(shí)的處理時(shí)間起伏較大，表明CPU在一段時(shí)間內(nèi)任務(wù)量存在波動(dòng)情況。在這種情形下，超時(shí)閾值能夠及時(shí)隨著CPU處理時(shí)間的變化而增加或減小，能夠很好地適應(yīng)任務(wù)量的劇烈和大幅變化。

圖4 EPET算法部分實(shí)驗(yàn)結(jié)果及性能指標(biāo)

從圖4(a)可看出，4個(gè)執(zhí)行體對(duì)連續(xù)多個(gè)任務(wù)的處理時(shí)間從20 μs到190 μs，如果采用固定閾值方法將超時(shí)閾值設(shè)置為固定值，則超時(shí)閾值需大于190 μs才能保證系統(tǒng)正常運(yùn)行而不出現(xiàn)誤報(bào)。為了保證一定的安全余量，超時(shí)閾值可能需要設(shè)置到250 μs甚至300 μs以上。且這是對(duì)所有任務(wù)而言的，即使執(zhí)行體面臨簡(jiǎn)單任務(wù)時(shí)的執(zhí)行時(shí)間僅為20 μs，執(zhí)行體也要等到所設(shè)置的固定閾值時(shí)刻才能夠進(jìn)行超時(shí)判斷，將極大地降低整個(gè)處理系統(tǒng)的效率。

從圖4(b)可知，按照本文提出的EPET算法預(yù)測(cè)出的超時(shí)閾值，可根據(jù)CPU任務(wù)量的變化自適應(yīng)地升高或降低，閾值范圍從不到30 μs至240 μs。當(dāng)任務(wù)量較小時(shí)，超時(shí)閾值也較低，能夠及時(shí)判斷執(zhí)行體的狀態(tài)，節(jié)約執(zhí)行體等待時(shí)間，提升處理系統(tǒng)效率；當(dāng)任務(wù)量較大時(shí)，超時(shí)閾值也相應(yīng)升高，能夠有效降低虛警率。

從圖4(c)可知，當(dāng)CPU處于正常狀態(tài)時(shí)，其超時(shí)閾值與實(shí)際執(zhí)行時(shí)間的差值始終為正值，說(shuō)明沒(méi)有出現(xiàn)估算的超時(shí)閾值小于實(shí)際執(zhí)行時(shí)間的情況，即EPET算法對(duì)于各CPU正常執(zhí)行系統(tǒng)指令時(shí)的超時(shí)閾值預(yù)測(cè)未出現(xiàn)誤報(bào)，且在合理范圍之內(nèi)。

為進(jìn)一步說(shuō)明本文提出的EPET算法的有效性，取上述4種CPU上各指令執(zhí)行時(shí)間平均值與固定閾值情況與文獻(xiàn)[5]提出的滑動(dòng)窗口預(yù)測(cè)算法STW進(jìn)行性能對(duì)比，實(shí)驗(yàn)結(jié)果如圖5所示。由于固定閾值的設(shè)置通常根據(jù)經(jīng)驗(yàn)進(jìn)行，因此針對(duì)本文實(shí)驗(yàn)環(huán)境，結(jié)合圖4中的實(shí)驗(yàn)數(shù)據(jù)，可知系統(tǒng)的最大執(zhí)行時(shí)間約為180 μs，為了保證一定的余量，對(duì)比實(shí)驗(yàn)中固定閾值設(shè)置為200 μs。

圖5 固定閾值、PEPT算法超時(shí)閾值、STW算法超時(shí)閾值性能比較

圖5(a)表示CPU對(duì)于系統(tǒng)指令的實(shí)際執(zhí)行時(shí)間平均值與閾值（包括固定閾值，根據(jù)EPET算法計(jì)算得到的動(dòng)態(tài)閾值，根據(jù)STW算法計(jì)算得到的動(dòng)態(tài)閾值）；圖5(b)表示不同閾值與實(shí)際執(zhí)行時(shí)間的差值，包括EPET及STW動(dòng)態(tài)閾值與執(zhí)行時(shí)間的差，以及固定閾值與執(zhí)行時(shí)間的差；圖5(c)表示CPU在處理過(guò)程中差值相對(duì)執(zhí)行時(shí)間的占比，即差值比率。從圖中可以看出，當(dāng)CPU在執(zhí)行較為簡(jiǎn)單的任務(wù)時(shí)，一旦發(fā)生超時(shí)，在固定閾值條件下，需等待較長(zhǎng)的時(shí)長(zhǎng)甚至幾倍于執(zhí)行時(shí)間的時(shí)長(zhǎng)才能夠判斷超時(shí)，造成整個(gè)系統(tǒng)長(zhǎng)時(shí)間停滯，帶來(lái)了不必要的時(shí)間浪費(fèi)，影響指令執(zhí)行效率。

在本例中，固定閾值條件下，超時(shí)閾值恒定為200 μs，超時(shí)閾值與系統(tǒng)實(shí)際執(zhí)行時(shí)間的最大差值為180.2 μs，最小差值為93.9 μs，平均差值為136.5 μs；文獻(xiàn)[5]中提出的STW算法超時(shí)閾值最大值為248.9 μs，最小值為79.5 μs，平均值為146.1 μs。而采用本文提出的EPET自適應(yīng)計(jì)算超時(shí)閾值，超時(shí)閾值的最大值為224.3 μs，最小值為56.8 μs，平均值為124.8 μs，相對(duì)于200 μs的固定閾值減少了37.6%，相比于STW算法預(yù)測(cè)出的閾值減少了14.6%。這表明相同情況下，EPET算法相比固定閾值算法平均可節(jié)約37.6%的等待時(shí)間，且相比STW動(dòng)態(tài)閾值預(yù)測(cè)算法縮短了14.6%的等待時(shí)間。進(jìn)一步，STW算法超時(shí)閾值與系統(tǒng)實(shí)際執(zhí)行時(shí)間的最大差值為131.9 μs，最小差值為47.5 μs，平均差值為98.8 μs；EPET算法預(yù)測(cè)出的超時(shí)閾值與系統(tǒng)執(zhí)行時(shí)間的最大差值為103.4 μs，最小差值為24.7 μs，平均差值為76.1 μs。相對(duì)于固定超時(shí)算法，EPET超時(shí)閾值與系統(tǒng)執(zhí)行時(shí)間的最大差值減少了51.3%，最小差值減少了56.5%，平均差值減少了39.1%；相比STW動(dòng)態(tài)閾值預(yù)測(cè)算法，EPET超時(shí)閾值與系統(tǒng)執(zhí)行時(shí)間的最大差值減少了21.6%，最小差值減少了48.1%，平均差值減少了22.9%。且在差值比率指數(shù)方面，EPET算法平均差值比率處于3種算法中最小值，表明本文的EPET算法具有最優(yōu)的預(yù)測(cè)精度。

綜合上述分析可知，本文提出的EPET算法可以根據(jù)系統(tǒng)指令執(zhí)行時(shí)間的長(zhǎng)短動(dòng)態(tài)地改變超時(shí)閾值，在保證最大限度檢測(cè)出系統(tǒng)異常的情況下，有效減少了等待時(shí)間，提高了超時(shí)識(shí)別的速度，避免了系統(tǒng)由于需要判斷CPU是否正常而長(zhǎng)時(shí)間等待的情況，尤其是針對(duì)某段時(shí)間內(nèi)系統(tǒng)任務(wù)量波動(dòng)較大的情況，EPET算法能夠提供一個(gè)更為有效和靈活的方案。

5 結(jié)束語(yǔ)

本文提出了一種面向多執(zhí)行體的自適應(yīng)超時(shí)閾值預(yù)測(cè)算法EPET，該算法基于擬態(tài)防御架構(gòu)中包含多個(gè)性能接近的異構(gòu)功能等價(jià)體的特性，通過(guò)對(duì)每個(gè)執(zhí)行體維護(hù)一個(gè)歷史事件執(zhí)行時(shí)間隊(duì)列，采用等效比例執(zhí)行時(shí)間策略得到當(dāng)前任務(wù)的超時(shí)閾值。實(shí)驗(yàn)結(jié)果表明，相比固定閾值及動(dòng)態(tài)閾值算法，本文提出的EPET自適應(yīng)閾值預(yù)測(cè)算法可顯著減少系統(tǒng)對(duì)CPU的超時(shí)判決速度，降低正常執(zhí)行體平均等待時(shí)間，提升系統(tǒng)的整體運(yùn)行效率，尤其適合執(zhí)行體前后任務(wù)計(jì)算量無(wú)規(guī)律、波動(dòng)較大的情況，具有低復(fù)雜度的特性。

[1] 鄔江興. 擬態(tài)計(jì)算與擬態(tài)安全防御的原意和愿景[J]. 電信科學(xué), 2014, 30(7): 1-7.

WU J X. Meaning and vision of mimic computing and mimic security defense[J]. Telecommunications Science, 2014, 30(7): 1-7.

[2] 仝青, 張錚, 鄔江興. 基于軟硬件多樣性的主動(dòng)防御技術(shù)[J]. 信息安全學(xué)報(bào), 2017, 2(1): 1-12.

TONG Q, ZHANG Z, WU J X. the active defense technology based on the software/hardware diversity[J]. Journal of Cyber Security, 2017, 2 (1):1-12.

[3] 魏帥, 于洪, 顧澤宇, 等. 面向工控領(lǐng)域的擬態(tài)安全處理機(jī)架構(gòu)[J]. 信息安全學(xué)報(bào), 2017, 2(1): :54-73.

WEI S, YU H, GU Z Y, et al. Architecture of mimic security processor for industry control system[J]. Journal of Cyber Security, 2017, 2 (1):1-12.

[4] RYU B, CHENEY D, BRAUN H W. Internet flow characterization: adaptive timeout strategy and statistical modeling[C]// Passive & Active Measurement Workshop. 2001: 45.

[5] 錢(qián)迎進(jìn), 肖儂, 金士堯. 大規(guī)模集群中一種自適應(yīng)可擴(kuò)展的RPC超時(shí)機(jī)制[J]. 軟件學(xué)報(bào), 2010, 21(12): 3199-3210.

QIAN Y J, XIAO N, JIN S Y. Adaptive scalable rpc timeout mechanism for large scale clusters[J]. Journal of Software, 2010, 21(12): 3199-3210.

[6] 周明中, 龔儉, 丁偉. 網(wǎng)絡(luò)流超時(shí)策略研究[J]. 通信學(xué)報(bào), 2005, 26(4): 88-93.

ZHOU M Z, GONG J, DING W. Study of network flow timeout strategy[J]. Journal of Communications, 2005, 26(4):88-93.

[7] CLAFFY K C, BRAUN H W, POLYZOS G C. A parameterizable methodology for Internet traffic flow profiling[J]. IEEE Journal on Selected Areas in Communications, 1995, 13(8): 1481-1494.

[8] FONTI L, LUPINI F, MANGANELLI P. Timeout value adaptation: U S Patent 9,769,022[P]. 2017-9-19.

[9] 侯穎, 黃海, 蘭巨龍, 等. 基于自適應(yīng)超時(shí)計(jì)數(shù)布魯姆過(guò)濾器的流量測(cè)量算法[J]. 電子與信息學(xué)報(bào), 2015, 37(4):887-893.

HOU Y, HUANG H, LAN J L, et al. An adaptive timeout counter bloom filter algorithm for traffic measurement[J]. Journal of Electronics & Information Technology, 2015, 37(4):887-893.

[10] 余瑩, 李肯立, 徐雨明. 計(jì)算集群中一種基于任務(wù)運(yùn)行時(shí)間的組合預(yù)測(cè)方案[J]. 計(jì)算機(jī)應(yīng)用, 2015, 35(8):2153-2157.

YU Y, LI K L, XU Y M. combined prediction scheme for runtime of tasks in computing cluster[J]. Journal of Computer Applications, 2015, 37(4):887-893.

[11] 張霄宏, 海林鵬, 賈宗璞, 等. 同構(gòu)Hadoop環(huán)境作業(yè)執(zhí)行時(shí)間計(jì)算方法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2014, 50(10):249-252.

ZHANG X H, HAI L P, JIA Z P, et al. Method for computing execution time of jobs in homogeneous Hadoop environments[J]. Computer Engineering and Applications, 2014, 50(10): 249-252.

[12] 張曹哲, 尤政. 超時(shí)策略動(dòng)態(tài)閾值的閾值選擇影響因素[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 2013, 45(6):119-123.

ZHANG C Z, YOU Z. The influencing factor of threshold selection in dynamic threshold of timeout policies[J]. Journal of Harbin Institute of Technology, 2013, 45(6):119-123.

Timeout threshold estimation algorithm in mimic multiple executors architecture

NIE Delei1, ZHAO bo2, WANG Chong2, WANG Xin3, YAN Binghao2

1. Economic-Technological Development Committee in Tianjin Binhai New Area, Tianjin 300000, China. 2. National Digital Switching System Engineering & Technological R & D Center, Zhengzhou 450002; China 3.Information Technology Innovation Center of Tianjin Binhai New Area, Tianjin 300000, China

Aiming at the problem that the current timeout strategy algorithm is difficult to cope with the violent situation of task volume, a timeout threshold prediction algorithm based on equivalent proportional execution time applied to the mimetic defense architecture system is proposed. The algorithm utilizes the principle that the execution time of multiple functional equivalent executable tasks in the mimetic defense architecture is positively related, predicts the task execution time and sets a reasonable timeout threshold. The simulation results show that the proposed algorithm can dynamically predict and set the timeout threshold for different task situations, which effectively improves the timeout judgment efficiency, especially for scenarios with dramatic changes in workload.

mimic defense, threshold calculation, multiple executors, timeout judgment

TP302.1

A

10.11959/j.issn.2096-109x.2018084

聶德雷（1988-），男，山東莒南人，碩士，天津市濱海新區(qū)科技和工業(yè)創(chuàng)新委員會(huì)主任科員，主要研究方向?yàn)榫W(wǎng)絡(luò)安全。

趙博（1981-），男，吉林公主嶺人，博士，國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心助理研究員，主要研究方向?yàn)榧軜?gòu)安全。

王崇（1995-），男，河北邯鄲人，國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心碩士生，主要研究方向?yàn)閿M態(tài)處理。

汪欣（1986-），男，河南周口人，碩士，天津?yàn)I海新區(qū)信息技術(shù)創(chuàng)新中心工程師，主要研究方向?yàn)橄到y(tǒng)結(jié)構(gòu)。

燕昺昊（1994-），男，山西呂梁人，國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心碩士生，主要研究方面為自適應(yīng)算法。

2018-08-11；

2018-09-25

趙博，lieut.zhao@126.com