TADK 23.03 release note

主要功能概述：

• 基于深度学习的应用分类：在原有的基于机器学习的应用分类(AppID)能力基础上，扩展出新的深度学习参考模型和推理引擎。

• FFEL的raw byte特征提取：增加了流特征提取库(FFEL)对数据包中的raw byte特征提取能力，用以训练深度学习模型以及推理。

• FFEL的内存优化：优化了流特征结构的内存布局，从而减少FFEL的全局内存消耗。

• 应用分类应用程序的增强：为示例程序”tadk_probe”加入了对深度学习模型的支持。

• 多线程支持的完善：完善并简化了示例程序”tadk_probe”的多线程架构，从而在应用分类场景中获得了更好的多核扩展能力。

• C2检测应用程序：新增了使用深度学习模型进行基于网络流的C2(Command & Control)威胁检测的示例程序”c2_probe”。

• 异常检测应用程序：新增了使用机器学习和深度学习模型进行基于内容的SQLi, XSS和C2检测的示例程序”anomaly_detection”。

• 混淆矩阵工具：新增了通过混淆矩阵来表达应用分类和异常检测结果的评估工具。

问题修复概述：

FFEL中IPv6包头结构的命名冲突。

• 问题：在DPDK应用程序中集成TADK时，由于IPv6包头结构命名冲突导致编译失败。

• 修复：重命名FFEL中的IPv6包头结构。

FFEL中的TCP连接状态错误。

• 问题：连接关闭时无法正常更新FFE