طبقه بندی بسته ها به عنوان وظیفه ی اصلی دستگاه های شبکه، به روند طبقه بندی بسته های مختلف به جریان های (کلاس های) متفاوت اطلاق می شود. اخیراً، سرعت بالای پیشرفت در برنامه های کاربردی شبکه و افزایش فوق العاده در تعداد کاربران شبکه باعث رشد نمایی در ترافیک شبکه شده است. این برنامه های پیچیده و ترافیک سنگین تر نیاز برای دستگاه های قدرتمند تر را پدید آورده است. همچنین با توجه به ماهیت پویای ترافیک شبکه، روش های توسعه پذیر و زیرساخت هایی که قادر به مقابله با این پویایی می باشند مورد نیاز است. fpga ها نامزدهایی کارآمد به حساب می آیند، چرا که حاوی واحدهای سخت افزاری منطقی قابل برنامه ریزی می باشند. این واحدها می توانند مجدداً بر اساس نیازهای برنامه پیکربندی شوند. ?–vex یک پردازنده ی vliw نرم هسته با قابلیت پیکربندی مجدد بر روی fpgaاست که قادر به استفاده از ilp موجود در برنامه های کاربردی می باشد. این پردازنده تمامی شرایط برای پردازش برنامه های شبکه ای را دارا می باشد. به منظور توسعه پذیری و صرفه ی اقتصادی الگوریتم های طبقه بندی که بر اساس بلوم فیلتر می باشند مورد توجه تر اند. هرس چندتایی با استفاده از بلوم فیلتر برای طبقه بندی بسته ها به طور کامل با اهداف ما متناسب می باشد. در این پایان نامه ما به اثبات بهینه بودن اجرای الگوریتم های طبقه بندی بر اساس بلوم فیلتر بر روی یک پردازنده ی vliw نرم هسته ای پارامترپذیر با قابلیت پیکربندی مجدد به نام ?–vex می پردازیم. از آنجا که این پردازنده ی vliw، منبع باز، با قابلیت پیکربندی مجدد ، انعطاف پذیر و قدرتمند است و بلوم فیلتر یک ساختمان داده ی موازی و بهینه از لحاظ فضای مصرفی است روش طبقه بندی ما به اندازه کافی سریع و متناسب با نیازهای موجود می باشد. علاوه بر این طبقه بندی در این روش در محیطی مقرون به صرفه تر انجام می شود. ما ?–vex را به یک پردازنده ی تعبیه شده برای یکی از مهم ترین برنامه های شبکه، طبقه بندی بسته ها، تبدیل کردیم. نتایج حاکی از شکاف عظیم بین عملکرد پردازنده های gpp و?–vex می باشد. ?–vex سفارشی به طور متوسط حدود 8 برابر سریع تر می باشد.