PPP中的LCP(Link Control Protocol)

最新推荐文章于 2025-04-19 17:05:47 发布
最新推荐文章于 2025-04-19 17:05:47 发布
阅读量1w 收藏 41
点赞数 7
分类专栏： 网络 文章标签： 网络 PPP LCP
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u014302425/article/details/112881895
版权

(内容整理自RFC1661,其中笔者觉得可能不精确的表达会用橙色贴出原文)

 

目录

简介

LCP包格式

1. 连接配置包(Link Configuration packets)

Configure-Request

Configure-Ack

Configure-Nak

Configure-Reject

2.连接终止包(Link Termination packets)

Terminate-Request & Terminate-Ack

3.连接维护包(Link Maintenance packets)

Code-Reject

Protocol-Reject

Echo-Request & Echo-Reply

Discard-Request

LCP配置选项

1.Maximum-Receive-Unit (MRU)

2.Authentication-Protocol

3.Quality-Protocol

4.Magic-Number

5.Protocol-Field-Compression (PFC)

6.Address-and-Control-Field-Compression (ACFC)

  • 简介

LCP(Link Control Protocol)，用于PPP的链路协商，PPP连接的建立(即下图中的Establish阶段)就是从交换LCP报文开始的，LCP协商阶段所有非LCP报文都会被静默丢弃(silently discarded)，LCP协商完成后，LCP就进入LCP Opened状态，而PPP开启下一个状态。

PPP状态图

LCP功能涉及自动协商封装格式选项(automatically agree upon the encapsulation format options)、数据包大小限制、检测回环链路和配置错误以及终结连接(terminate the link)。

具体LCP协商机制就是不同的报文交换，也就是LCP Packets就决定了LCP的协商过程。

  • LCP包格式

LCP包可以分为三类：

1. 连接配置包(Link Configuration packets)

用于建立和配置连接，包括

  • Configure-Request
  • Configure-Ack
  • Configure-Nak
  • Configure-Reject

Configure-Request

这个包用于请求打开连接，Options字段是可变长字段，内容是对选项默认值的修改协商，默认值不需要包括在其中。

也就是说若Options的内容为空，则发送端希望就按照默认的参数建立连接。

具体的配置选项这里就不列出了。

Code:值取1代表Configure-Request

Identifier:用于指示通信序列号，当Options字段内容发生改变或者收到一个合法的Configure-Request回复时，Identifier必须改变。当然，重传当前包不需要。

Configure-Ack

在收到Configure-Request包后，若包中的Options都是可以接受的，则必须回复一个Configure-Ack包，并且包中的Options与对应的Configure-Request包需严格匹配，Identifier也需和Request包中的一致。非法的包会直接被丢弃。

Code:值取2代表Configure-Ack

Identifier:和收到的Configure-Request包中的Identifier一致，以指示回复的是哪个Request包

Configure-Nak

在收到Configure-Request包后，若包中的Options都是可识别的，但其中的一些协商值不接受，则回复Configure-Nak。

回复的包中Options仅仅包括Configure-Request中不接受的Options，且这些Options的顺序不会改变。也就是仅仅将Configure-Request中不接受的Options中接受的配置协商剔除。非法的包会直接被丢弃。

When a particular type of Configuration Option can be listed more than once with different values, the Configure-Nak MUST include a list of all values for that option which are acceptable to the Configure-Nak sender. This includes acceptable values that were present in the Configure-Request.

Code:值取3代表Configure-Nak

Identifier:和收到的Configure-Request包中的Identifier一致，以指示回复的是哪个Request包

Configure-Reject

在收到Configure-Request包后，若包中的Options有不可识别的，或者不可协商的(Configure-Request are not recognizable or are not acceptable for negotiation (as configured by a network administrator))，则回复Configure-Reject。

Options字段仅仅包括不可接受的配置选项，接受的Options被剔除。和Nak一样，其余Options顺序也不能改变。非法的包会直接被丢弃。

Code:值取4代表Configure-Reject

Identifier:和收到的Configure-Request包中的Identifier一致，以指示回复的是哪个Request包

 

2.连接终止包(Link Termination packets)

用于终止连接，包括

  1. Terminate-Request
  2. Terminate-Ack

Terminate-Request & Terminate-Ack

这两个包用于关闭连接，希望关闭的一方会发送Terminate-Request，另一方收到后会回复Terminate-Ack，若没有收到另一方的回复，Terminate-Request会持续发送。

Code:值取5代表Terminate-Request;值取6代表Terminate-Ack

Identifier:Terminate-Ack中的值应和Terminate-Request中一致

 

3.连接维护包(Link Maintenance packets)

用于管理或者测试链路(manage and debug a link)，包括

  1. Code-Reject
  2. Protocol-Reject
  3. Echo-Request
  4. Echo-Reply
  5. Discard-Request

Code-Reject

当收到一个LCP包发现Code字段未知时(可能对端使用的协议版本不一致)，就需要回复一个Code-Reject。

当对端收到Code-Reject，若其中指示的未知字段是协议要求的必须字段时(Upon reception of the Code-Reject of a code which is fundamental to this version of the protocol)，对端通常会报告问题并关闭连接，因为这类问题通常没法自动协商解决。

Code:值取7代表Code-Reject

Identifier:每发送一个Code-Reject，Identifier都需改变

Rejected-Packet:完整包含收到LCP包中未知的部分(The Rejected-Packet field contains a copy of the LCP packet which is being rejected.)。

Protocol-Reject

当收到一个PPP包发现协议(Protocol)字段的内容未知/不支持时，就需要回复一个Protocol-Reject。

一旦接收到Protocol-Reject，必须立刻停止继续发送指定的协议相关包。

Protocol-Reject只允许在LCP Opened阶段发出/收到，在其他阶段发出/收到都会被丢弃。

Code:值取8代表Protocol-Reject

Identifier:每发送一个Protocol-Reject​​​​​​​，Identifier都需改变

Rejected-Protocol:指示驳回(rejected)的协议

Rejected-Information:包含被驳回的包的内容(去掉头和FCS)

Echo-Request & Echo-Reply

这两个包用于链路检测，在LCP Opened阶段收到Echo-Request时，必须回复一个Echo-Reply。并且在LCP Opened阶段，必须有Request和Reply这个过程。

Code:值取9代表Echo-Request;值取10代表Echo-Reply

Identifier:Echo-Reply的Identifier必须和Echo-Request一致

Magic-Number:用于链路检测，具体见单独小节

Discard-Request

也是用于链路检测，向对端发送这个包，对端收到后直接丢弃。这个包也只能在LCP Opened阶段发出。

Code:值取11代表Discard-Request

  • LCP配置选项

配置选项(Configuration Option)在连接配置包(Link Configuration packets)类型中已经提到。它允许修改PPP默认的一些配置，如果Configure-Request包不提及这些配置，意味着使用PPP默认配置。

它的具体格式如下：

Type:指示配置选项类型，包括:

0 RESERVED
1 Maximum-Receive-Unit
3 Authentication-Protocol
4 Quality-Protocol
5 Magic-Number
7 Protocol-Field-Compression
8 Address-and-Control-Field-Compression

这六种类型接下来会详细解释。

Length:配置选项的总长度(Type、Length和Data字段)

Data:具体信息

1.Maximum-Receive-Unit (MRU)

这个配置选项是必须告知对端的，它表示本端允许收到的最大包大小。默认值为1500(字节)。这个值不包括PPP中的Protocol字段，只包括Information和Padding这两个字段。

Type:值取1

Length:值取4

Maximum-Receive-Unit:指示MRU

2.Authentication-Protocol

默认情况是不需要认证的。如果需要认证，这个配置选项也不应该在很早的Configure-Request包中就发出，因为保证链路能正常通信才是最重要的，所以在协商完一些基本参数后，才能开始协商认证这种事。

Type:值取3

Length:值≥4

Authentication-Protocol:有两种认证协议

c023 Password Authentication Protocol(PAP)
c223 Challenge Handshake Authentication Protocol(CHAP)

Data:也许需要传输一些附加数据

3.Quality-Protocol

协商使用链路质量检测(link quality monitoring)的方法，默认情况下链路质量检测不开启。

Type:值取4

Length:值≥4

Quality-Protocol:仅有一种协议，取值c025 Link Quality Report

Data:也许需要传输一些附加数据

4.Magic-Number

这个配置选项提供了一种方法用于检测回环或者其他的链路异常(This Configuration Option provides a method to detect looped-back links and other Data Link Layer anomalies)

默认情况下不协商，Magic-Number取0。

需要协商时，会随机生成一个数，尽量保证这个数唯一，所以通常会将机器序列号、MAC地址等数作为种子来生成这个随机数。

当收到的Configure-Request含有Magic-Number配置选项时，将这个Magic-Number和最后一个发出去的Configure-Request包中的Magic-Number比较，如果数字相同，则链路很有可能出现环路。为了进一步确认，必须再发一个Configure-Nak包，含有重新生成的Magic-Number，以确定是否有环路，在未确认前，Configure-Request包停止发送。所以如果存在环路，会陷入一直发送Configure-Nak包的死循环。

Echo-Request、Echo-Reply和Discard-Request包都有Magic-Number字段，如果Magic-Number已经产生，那么这些包发送时就必须将此填入。

Type:值取5

Length:值取6

Magic-Number:Magic-Number

5.Protocol-Field-Compression (PFC)

提供了PPP协议字段的压缩协商。

PPP包中的协议字段(Protocol)默认长度为2字节，通过协商可以减少到1字节。

具体方案参考最近标准。

Type:值取7

Length:值取2

6.Address-and-Control-Field-Compression (ACFC)

提供了数据链路层地址和控制字段的压缩协商。

这两个字段通常是固定的常数值，所以可以通过协商来压缩。

具体方案参考最近标准。

Type:值取8

Length:值取2

神经网络之网络基础第1关：神经网络概述
admin的博客
10-04 2766
本关任务：通过学习神经网络模型的基础概念知识，完成相应的选择题。相关知识。
机器学习 --- 神经网络
Junds0的博客
07-04 1324
第1题C 一共有3x4+4x2=20个权重本关任务：用Python实现常用激活函数。 第3关：反向传播算法 本关任务：用sklearn构建神经网络模型，并通过鸢尾花数据集中鸢尾花的4种属性与种类对神经网络模型进行训练。我们会调用你训练好的神经网络模型，来对未知的鸢尾花进行分类。...
【头歌】机器学习 --- 神经网络
热门推荐
qq_63142181的博客
11-28 1万+
【头歌】机器学习 --- 神经网络
卷积神经网络（CNN）详解
最新发布
zdx2585503940的博客
04-19 4193
卷积神经网络是多层感知机 (MLP)的变种，由生物学家休博尔和维瑟尔在早期关于猫视觉皮层的研究发展而来，视觉皮层的细胞存在一个复杂的构造，这些细胞对视觉输入空间的子区域非常敏感，称之为感受野。CNN由纽约大学的Yann Lecun（杨立昆）于1998年提出(LeNet-5)，其本质是一个多层感知机，成功的原因在于其所采用的局部连接和权值共享的方式：一方面减少了权值的数量使得网络易于优化；另一方面降低了模型的复杂度、减小了过拟合 的风险。当网络的输入为图像时，这些优点将表现地更加明显。2006年，
机器学习--神经网络
11-21
机器学习--神经网络机器学习--神经网络机器学习--神经网络机器学习--神经网络
Pytorch 之神经网络
weixin_44196785的博客
05-06 3836
加载数据——Data Loader import torch import torchvision.datasets as dsets import torchvision.transforms as transforms import os import sys path = os.path.split(os.path.abspath(os.path.realpath(sys.argv[0])))[0] + os.path.sep path = path[:-10] + '/data/' #/******
头歌——机器、深度学习——手写体识别
absths的博客
06-21 3756
第1关：神经网络基本概念 第2关：激活函数 第3关：反向传播算法 第4关：使用pytorch搭建卷积神经网络识别手写数字
头歌——机器、深度学习——RNN循环神经网络
absths的博客
06-13 1504
在计算能力有限的情况下，注意力机制（Attention Mechanism）作为一种资源分配方案，将有限的计算资源用来处理更加重要的信息，是解决信息超载问题的主要手段。当用神经网络来处理大量的输入信息时，也可以借鉴人脑的注意力机制，只选择一些关键的信息输入进行处理，来提高神经网络的效率。在目前的神经网络模型中，我们可以将最大汇聚（Max Pooling）、门控（Gating）机制近似地看作自上而下的基于显著性的注意力机制。除此之外，自上而下的聚焦式注意力也是一种有效的信息选择方式。
【头歌】神经网络学习之机器学习基础
qq_63142181的博客
11-28 7321
【头歌】神经网络学习之机器学习基础
机器学习算法-神经网络LSTM
09-21
机器学习算法-神经网络.pptx
机器学习之神经网络
时光机的博客
08-25 708
先从回归(Regression)问题说起。我看到不少人提到如果想实现强AI，就必须让机器学会观察并总结规律的言论。具体地说，要让机器观察什么是圆的，什么是方的，区分各种颜色和形状，然后根据这些特征对某种事物进行分类或预测。其实这就是回归问题。如何解决回归问题？我们用眼睛看到某样东西，可以一下子看出它的一些基本特征。可是计算机呢？它看到的只是一堆数字而已，因此要让机器从事物的特征中找到规律，其实是一个
机器学习-卷积神经网络
05-05
机器学习-卷积神经网络
头歌——机器学习(神经网络)
m0_73879806的博客
11-01 3097
举个例子，如下图中图像是4行4列的，池化区域是2行2列的，所以最终池化后的特征图是2行2列的。(上图的特征图中值为4的位置所对应到的源图像子区域中像素值的分布与卷积核值的分布最为接近)这也就说明了卷积在提取特征时能够考虑到特征可能只占图像的一小部分，以及同样的特征可能出现在不同的图像中不同的位置这两个特点。sigmoid函数在x过大或过小时，函数变化非常小，即梯度非常接近0，随着神经网络的加深，在使用梯度下降方法的时候，由于梯度接近0，参数更新接近0，网络开始学不到东西，即梯度消失。
机器学习----神经网络技术详解
qq_42538588的博客
08-01 4188
机器学习（Machine Learning, ML）是一种人工智能（Artificial Intelligence, AI）技术，它使计算机能够通过经验自动改进性能，而不需要明确编程。机器学习的核心在于从数据中提取模式和知识，从而使系统能够做出预测或决策。机器学习的方法可以分为监督学习、无监督学习和强化学习等几种主要类型。监督学习：在监督学习中，模型通过一组带标签的训练数据进行训练。训练过程的目标是使模型能够根据输入数据预测正确的标签。例如，分类问题和回归问题都是监督学习的典型应用。
【头歌】神经网络学习之前馈神经网络
qq_63142181的博客
11-28 5688
【头歌】神经网络学习之前馈神经网络
人工智能——机器学习——神经网络（深度学习）
xiao77224li的博客
06-12 4649
人工智能是让机器获得像人类一样具有思考和推理机制的智能技术，这一概念最早出现在 1956 年召开的达特茅斯会议上。其中深度学习可以理解为神经网络。刚开始只有神经网络的概念，随着神经网络的层数增加，就逐渐将神经网络叫做深度学习。神经网络的发展历程大致分为浅层神经网络阶段和深度学习阶段。
机器学习 绪论 头歌
weixin_57270536的博客
09-13 1736
机器学习 绪论 头歌
头歌工程实训答案-机器学习篇之神经网络
m0_71537260的博客
06-23 3439
然后，将该模型的softmax层之前的输出视为另一小模型的软目标。利用软目标传递来提高小模型的泛化能力，从而提高其性能。以上描述的是哪一种模型压缩方法（D）x = torch.linspace(-5, 5, 200) # 构造一段连续的数据。在模型优化过程中，Dropout层的作用是（A）
机器学习——神经网络
weixin_46028497的博客
07-13 880
【转】机器学习入门——浅谈神经网络 本文转自：http://tieba.baidu.com/p/3013551686?pid=49703036815&see_lz=1# 个人觉得很全，特别适合接触神经网络的新手。 先从回归(Regression)问题说起。我在本吧已经看到不少人提到如果想实现强AI，就必须让机器学会观察并总结规律的言论。具体地说，要让机器观察什么是圆的，什么是方的，区分各种颜色和形状，然后根据这些特征对某种事物进行分类或预测。其实这就是回归问题。 如何解...
第1关：多层神经网络模型基本使用方法
03-18
### 多层神经网络模型的基本构建与训练 多层神经网络（Multilayer Perceptron, MLP）是一种常见的前馈人工神经网络结构，通常由输入层、隐藏层和输出层组成。其基本使用方法涉及以下几个方面： #### 1. 数据准备 在构建神经网络之前，需要准备好用于训练的数据集。这些数据应分为特征矩阵 \(X\) 和目标向量 \(Y\)。对于回归问题，\(Y\) 是连续值；而对于分类问题，则可能是离散标签。 为了提高模型性能，建议对数据进行预处理，例如标准化或归一化[^1]： ```python from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test) ``` #### 2. 构建神经网络架构 可以利用 MATLAB 工具箱中的 NeuroSolutions 集成模块来设计自定义的神经网络，并将其导入到 MATLAB 中进一步开发。如果是在 Python 或其他编程环境中实现 BP 网络，则可以通过如下代码完成基础框架搭建[^3]: ```python import numpy as np from keras.models import Sequential from keras.layers import Dense model = Sequential([ Dense(64, activation='relu', input_shape=(input_dim,)), # 输入层 -> 第一层隐藏层 Dense(32, activation='relu'), # 第二层隐藏层 Dense(output_dim, activation='linear') # 输出层 (线性激活函数适用于回归任务) ]) ``` 此处 `input_dim` 表示输入维度大小，而 `output_dim` 则取决于具体应用场景下的预测变量数量。 #### 3. 定义损失函数与优化器 选择合适的损失函数以及梯度下降法变种作为优化策略至关重要。针对回归类别的题目推荐均方误差(MSE)，同时 Adam Optimizer 被广泛应用于实际项目当中因为它的高效性和稳定性[^2]: ```python model.compile(optimizer='adam', loss='mean_squared_error') ``` #### 4. 训练过程控制 设定好批次大小(batch size) 及迭代次数(epoch number), 开始执行 fit 方法让机器自动寻找最佳参数组合直至满足停止准则为止: ```python history = model.fit(X_train_scaled, Y_train, epochs=50, batch_size=32, validation_split=0.2) ``` 上述代码片段展示了如何基于 Keras 库快速建立并运行一个多层感知机实例。当然，在真实世界里还需要考虑更多细节比如正则项加入防止过拟合现象发生等问题。 --- ###
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值