推荐 9.5
Conf: 50%
本文提出了一种名为PortCatcher的交换机内ACL系统,旨在解决基于TCAM的ACL在高速度网络中面临的可扩展性问题。随着AI驱动自主防御的兴起,网络攻击检测和阻断需要更细粒度的ACL规则,导致TCAM需求激增。现有方案通过将部分ACL匹配卸载到更大的SRAM或定制硬件来减少TCAM使用,但存在规则部署延迟高或可扩展性不足的问题。PortCatcher系统创新地将第4层端口匹配从TCAM中分离出来,通过引入一种称为线性范围映射(LRM)的新型端口规则表示概念,实现了在基于SRAM的哈希表中进行端口(范围)匹配。LRM不仅保证了快速可扩展的端口匹配,还支持低延迟的ACL管理,适用于时间敏感的防御动作。使用真实ACL数据集评估,PortCatcher相比最先进的方法节省了74%–90%的TCAM空间,仅增加了少量SRAM开销(每条ACL规则0.49个SRAM条目)。作者将PortCatcher部署在可编程交换机上,演示了其能够在线速率下完成五元组规则匹配,其中端口规则完全在SRAM中匹配。通过自主攻击缓解案例研究,表明PortCatcher具有极低的规则管理延迟,94.42%的规则在10毫秒内完成部署。该工作为高速网络中可扩展、低延迟的ACL管理提供了有效解决方案,特别适合需要快速响应攻击的自主防御场景。
💡 推荐理由: 提出了一种创新的交换机内ACL架构,打破了TCAM可扩展性与规则管理延迟之间的权衡,为AI驱动的实时自主防御提供了低延迟、高可扩展的ACL基础设施支撑。
🎯 建议动作: 研究跟进
排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)