Classification is a fundamental processing task in advanced network systems. This technique is exploited in 5G/6G wireless sensors networks where flow-based processing of the internet packets is highly demanded by intelligent applications that analyze big volumes of data in a limited time. In this process, the input packets are classified into specific streams by matching to a set of filters. The ternary content-addressable memory (TCAM) is used in hardware implementation of internet packets. However, due to the parallel search capabilities, this memory leads to an increase in the speed and drop of hardware bundles compared to other types of software bundles, but with the increase in the number of rules stored in its layers, the power required for searching, inserting and eliminating increases. Various architectures have been proposed to solve this problem, but none of them has proposed a plan to reduce power consumption while updating the rules in the TCAM memory. In this paper, two algorithms are presented for reducing power consumption during TCAM memory upgrades. The key idea in the proposed algorithms is the reduction in the search range as well as the number of displacements while inserting and deleting rules in TCAM. Implementation and evaluation of proposed methods represent a reduction of more than 50% of the number of visits to TCAM in both proposed algorithms, as well as reducing the update time in the second proposed algorithm compared to the first proposed algorithm which confirms the efficiency of both methods.

分类是高级网络系统中的一项基本处理任务。这种技术在 5G/6G 无线传感器网络中得到了利用，在这些网络中，智能应用程序非常需要基于流的互联网数据包处理，这些应用程序需要在有限的时间内分析大量数据。在这个过程中，输入数据包通过匹配一组过滤器被分类为特定的流。三元内容寻址存储器 (TCAM) 用于互联网数据包的硬件实现。然而，由于并行搜索能力，这块内存导致硬件包的速度和丢包率相比其他类型的软件包有所增加，但随着存储在其层中的规则数量的增加，搜索所需的功率，插入和消除增加。已经提出了各种架构来解决这个问题，但没有一个提出在更新 TCAM 内存中的规则的同时降低功耗的计划。在本文中，提出了两种算法来降低 TCAM 内存升级期间的功耗。所提出算法的关键思想是减少搜索范围以及在 TCAM 中插入和删除规则时的位移数量。所提出方法的实施和评估表明，在两种提出的算法中对 TCAM 的访问次数减少了 50% 以上，并且与第一种提出的算法相比，第二种提出的算法减少了更新时间，这证实了两种算法的效率方法。但他们都没有提出在更新 TCAM 内存中的规则的同时降低功耗的计划。在本文中，提出了两种算法来降低 TCAM 内存升级期间的功耗。所提出算法的关键思想是减少搜索范围以及在 TCAM 中插入和删除规则时的位移数量。所提出方法的实施和评估表明，在两种提出的算法中对 TCAM 的访问次数减少了 50% 以上，并且与第一种提出的算法相比，第二种提出的算法减少了更新时间，这证实了两种算法的效率方法。但他们都没有提出在更新 TCAM 内存中的规则的同时降低功耗的计划。在本文中，提出了两种算法来降低 TCAM 内存升级期间的功耗。所提出算法的关键思想是减少搜索范围以及在 TCAM 中插入和删除规则时的位移数量。所提出方法的实施和评估表明，在两种提出的算法中对 TCAM 的访问次数减少了 50% 以上，并且与第一种提出的算法相比，第二种提出的算法减少了更新时间，这证实了两种算法的效率方法。所提出算法的关键思想是减少搜索范围以及在 TCAM 中插入和删除规则时的位移数量。所提出方法的实施和评估表明，在两种提出的算法中对 TCAM 的访问次数减少了 50% 以上，并且与第一种提出的算法相比，第二种提出的算法减少了更新时间，这证实了两种算法的效率方法。所提出算法的关键思想是减少搜索范围以及在 TCAM 中插入和删除规则时的位移数量。所提出方法的实施和评估表明，在两种提出的算法中对 TCAM 的访问次数减少了 50% 以上，并且与第一种提出的算法相比，第二种提出的算法减少了更新时间，这证实了两种算法的效率方法。