腾讯TGW网关团队最新研究成果入选NeurIPS 2023

腾讯技术工程发表于 10月以前 | 总阅读数：556 次

近日，NeurIPS 2023（Neural Information Processing Systems）神经信息处理系统大会于公布论文录用结果，腾讯TGW网关团队、腾讯DDoS防护团队、清华大学联合发表的论文“Metis: Understanding and Enhancing In-Network Regular Expressions”成功入选，并获得学术界和工业界的高度评价。

Metis 提供了一种 AI 方案，可以实现快速、准确的网络包识别和处理，并且无需像正则匹配那样针对每一个场景设置一条规则，具有更好的通用性。此外，我们利用知识提取技术，将Metis 模型小型化，成功部署到TGW这种资源紧缺的网络设备上。

本文将就本次腾讯TGW网关团队入选的论文--“Metis: Understanding and Enhancing In-Network Regular Expressions”进行解读，欢迎大家进行技术交流与合作。

1、研究背景与动机

图 1 TGW网关在腾讯云中的位置TGW（Tencent GateWay）网关是腾讯公司公网桥头堡，承担着公网流量的分发和安全防护任务。目前承担了腾讯的绝大部分公网带宽。在日常的运营中，无时无刻不在遭受着来自世界各地恶意流量的攻击。因此，为了保证业务的稳定接入，快速发现异常流量并进行异常流量拒止是非常重要的。

当前异常流量监测通常使用两种主要威胁检测方法中的一种或两种：基于特征符的检测或基于异常的检测。

基于特征符的方法会维护一个攻击特征符数据库，并将网络数据包与之进行比对。如果数据包触发了与其中一个特征符的匹配，防护系统就会采取行动。为了确保有效性，必须定期使用新的威胁信息更新特征符数据库，以便应对新网络攻击的出现和现有攻击的演变。尚未进行特征符分析的全新攻击可以躲过基于特征符的异常检测。

基于特征符的方法需要将数据与特征符进行匹配，通常使用的方法是“正则匹配”（Regular expressions matching, RE）。正则匹配方法具有匹配准度高，易于理解与应用的优点。但缺点也很明显：非常消耗计算和存储资源，并且泛化能力差。

随着近些年神经网络研究热潮的兴起，很多研究者开始将神经网络技术应用到异常流量监测之中。但神经网络解决方案通常存在“冷启动”问题：即如果没有足够的训练数据，神经网络的初始性能是很差的。此外，神经网络模型通常比较复杂，需要高并发的计算单元和较大的内存空间，比较适合部署在GPU设备上。但通常网络设备的计算单元是基于CPU实现的，并且内存空间比较有限，尤其是在一些新型的网络设备上，如P4交换机，其存储空间通常只有几十MB。这就使得在网络设备上部署神经网络模型变得比较困难。

Metis提出了一种AI模型来替代RE实现异常流量监测，解决了神经网络通常存在的“冷启动”问题，并实现了AI模型的小型化，成功部署到了P4交换机上，做到了业界首创。

2、Metis技术架构

图 2 Metis技术架构图Metis首先将RE规则转换成一系列的有限状态机(Deterministic finite automaton, DFA），并根据这些DFA训练出比特水平的RNN（ Byte-level RNNs, BRNN），在模型设计上，将已有的基于RE的专家知识融合到BRNN中，解决了一般RNN的”冷启动“问题，并且随着标签数据量的提升，BRNN的准确性会不断提升。BRNN虽然可以进行网络包的分类，但是模型比较重，占用计算资源较大，无法直接部署到网络转发设备中。为了适配网络设备资源紧缺的特点，我们利用知识蒸馏（Knowledge distillation, KN）技术，将BRNN转换为了Pooling soft random forests (PSRFs)模型。该模型继承了BRNN的训练效果，可取得近似的分类性能，但资源占用却会大大降低，使得AI模型可以部署到资源紧缺型的网络设备中。实验结果表明，使用PSRF模型在可编程交换机上对网络包进行分类时，可以取得相对于使用正则匹配74倍之多的吞吐量。

图 3 Metis与现有神经网络算法的识别准确率对比图3展示了Metis的数据识别准确率，图中显示Metis在没有训练数据的时候可以取得与RE基本相同的识别准确率，随着训练数据量的提升，其识别准确率也随之上升。

3、Metis业界影响力与落地实践

Metis的成果受到了NeurIPS专家评委的充分肯定。

审稿人1认为这是一篇出色的论文，就解决RE在网络应用中存在的问题而言，是一种创造性的解决方案。Metis在有充分数据的情况下可以取得比RE更强的性能。随着数据量的提升，Metis的识别准确率也远超现有方案。

审稿人2同样认为这篇论文有出众的贡献，提出的解决方案是新颖并可靠的。Metis将现有的RE专家知识应用到RNN设计中，解决了一般神经网络常遇到的“冷启动”问题。Metis可以转换为轻量型的PSRF模型，解决了在资源受限的网络设备上的部署问题。

除此之外，Metis可以在腾讯TGW的安全防护能力建设中节省大量成本。其可在如下的应用场景中大显身手。

3.1、Metis在CDN接入场景中的应用

图 4 腾讯CDN接入流量转发示意图用户在使用腾讯CDN服务时，需要首先接入腾讯TGW网关。暴露在公网的业务面临严峻的网络攻击威胁，TGW网关和腾讯DDoS防护系统一起对异常流量进行监测。在上述场景中，TGW与安全设备部署在一起，将流量转发给DDoS防护系统，防护系统对异常流量进行识别和防护后，再将正常流量发回TGW。DDoS防护系统通常基于规则来实现异常网络流量识别，为了应对CDN庞大的网络流量，该系统需要常态部署超2w核的计算资源用于安全防护。

Metis模型可以部署到DDoS防护系统中，作为系统的防护引擎之一。成熟后甚至可完全替代正则匹配引擎。根据测算，DDoS安全防护在处理正则匹配的情况下，处理性能会下降60%。利用Metis技术替换现有匹配引擎，防护系统的处理性能将提升1.3倍，处理正则规则的性能损耗将从60%降低至28%，为此可节约32%，约0.64w核计算资源，减少大量的计算资源，降低腾讯云的整体运营成本。

3.2、Metis在基于P4转发的场景中的应用

随着5G的应用发展，高带宽低延迟的诉求会越来越强烈，网关设备作为流量汇聚点，更能深刻感受到这种压力。发展了近十年的CPU+DPDK模式，在性能和成本双重压力下，也面临越来越大的挑战。我们结合TGW业务需求，经过技术调研，最后采用了P4+Tofino芯片（TF芯片）可编程交换机作为TGW的下一代网关。

图 5 基于P4实现的TGW下一代网关架构示意图图5是使用P4替换x86 TGW架构示意图。长期的原型部署和验证表明使用P4+Tofino芯片替换原来的x86 CPU+DPDK的可编程交换机后，成本大约是原来的60%。重构的TGW将带来转发性能的大幅提升，TF芯片转发性能可以达到256字节小包限速，整机大约1Tpps的转发能力，这个性能远高于基于x86 CPU的软件实现性能。Metis小型化之后，可以直接部署到P4设备上，在转发过程中实现实时的IDS，无需将流量传一份到第三方检测设备，将可以大大降低安全防护的成本。

实验验证表明，Metis部署到P4之后，在实现IDS的同时，可以取得6971100pps的吞吐量。相对而言，在32核CPU设备上部署基于RE的异常流量监测方法，仅可以取得9450pps的吞吐量，差距有74倍之多。