Processamento Rápido de Pacotes com eBPF e XDP

Abstract

Extended Berkeley Packet Filter (eBPF) has been rapidly adopted across multiple systems since its introduction in the Linux kernel in 2014. eBPF is used for fast packet processing. The use cases of eBPF have grown rapidly to include network monitoring, network traffic manipulation, load balancing, system monitoring, and so on. Several companies already use eBPF on projects such as Facebook, Netronome, and Cilium. This short-course aims to present eBPF. eBPF allows programming network devices. The developer can write in P4 or C language and then compile for eBPF instructions. The eBPF code can be processed in the Linux kernel or by programmable devices such as NetFPGAs and smart-NICs. This short-course covers the main theoretical and fundamental aspects of eBPF, as well as introducing the reader to simple practical activities that can give insight into the general operation and use of eBPF. ResumoO filtro de pacotes estendido (Extended Berkeley Packet Filter (eBPF)) foi rapidamente adotado em vários sistemas desde sua introdução no kernel do Linux em 2014. O eBPF é utilizado para processamento rápido de pacotes. Os usos do eBPF cresceram rapidamente para incluir monitoramento de rede, manipulação de tráfego de rede, balanceamento de carga, monitoramento do sistema, etc. Várias empresas já utilizam eBPF em projetos como o Facebook, Netronome, Cilium. Este minicurso tem como objetivo apresentar o eBPF. O eBPF permite a programação dos dispositivos de redes. O desenvolvedor pode escrever em linguagem P4 ou C e depois compilar para instruções eBPF.

BG-IDPS: Detecção e Prevenção de Intrusões em Tempo Real em Switches eBPF com o Filtro de Pacotes Berkeley e a Metaheurística GRASP-FS

“…Devido à defasagem de instruc ¸ões impostas por processadores modernos, novas instruc ¸ões foram necessárias. Com isso, surgiu a versão estendida do BPF (eBPF) [Vieira et al 2019].…”

“…Ao passo que o uso de SmartNICs permite a análise de pacotes de redes em tempo real, sem a necessidade de encaminhamento de pacotes para outros dispositivos, as restric ¸ões computacionais desses dispositivos limitam a complexidade dos algoritmos implementados. Com isso, a implementac ¸ão de algoritmos convencionais de aprendizado de máquina, do inglês, Machine Learning (ML) e selec ¸ão de atributos tornase impraticável [Vieira et al 2019].…”