随着网络的飞速发展,网络规模和网络流量逐步增长,同时也带来了各种各样的安全隐患,各种攻击手段层出不穷,给网络安全造成巨大的潜在危险。内容过滤可有效地进行网络流量管理及监控,被广泛应用于网络安全领域。网络流量压缩可极大提高传输效率和减少带宽占用,目前网络流量中压缩流量占比越来越大,如何高性能地对压缩流量进行处理具有重要意义,因此针对压缩网络流量的内容过滤系统研究在学术和应用方面都受到高度重视。工作在网络流量上的内容过滤系统也被称为深度包检测,其核心方法是对数据包进行深度协议分析和内容检查。对于压缩流量,传统的方式是先解压缩再进行内容检查,但这种方式会产生较大的空间消耗和时间开销,无法满足检测的实时性要求,因此针对压缩流量的深度包检测仍有很大改进空间。此外,随着多核、GPU等新兴并行处理硬件平台的迅速发展与普及,如何将这些硬件应用于压缩网络流量的内容过滤系统是当前研究的热点问题。针对上述问题,本文做了如下工作:(一)实现了一种针对SDCH压缩编码协议的内容过滤算法,该算法不需要解压缩就能对流量进行匹配检测。实验表明此方法相对于传统匹配检测算法,其效率提高了近40%。同时引入DAT多模式匹配算法实现针对SDCH的模式匹配,采用基于层次遍历的方法构造双数组进行扫描,减少时间开销和空间占用。(二)在压缩流量的内容过滤系统中引入并行处理,设计并实现了一种基于OpenMP的压缩流量并行内容过滤系统,有效解决了高速流量下的检测需求。对于多会话,采用启发式调度策略,利用多线程同时处理多个会话,有效地提高了检测效率,改善了系统的实时性和并发性。通过实验验证了应用并行优化后算法在检测速度上的优越性。(三)模拟真实网络环境,测试算法在真实网络环境中的检测性能。基于Libpcap库实现网络报文还原,通过程序脚本控制网络数据流量的大小,从而能够针对真实网络环境中的压缩网络流量进行匹配检测,实验结果显示系统能高效的对网络包进行内容过滤。