[发明专利]确定自动机的空间压缩方法

说明书

技术领域

本发明涉及网络安全领域，特别涉及确定自动机的空间压缩方法。

背景技术

正则表达式(Regular Expression)是计算机科学中用来描述或者匹配 一系列符合某个句法规则的字符串的单个字符串。利用正则表达式来匹配 那些符合某个模式的文本内容的方法也被称为正则表达式匹配算法。正则 表达式匹配算法一直都是计算机科学的研究焦点之一，它被广泛应用于网 络入侵检测、计算机病毒特征码匹配、网络信息内容安全、信息检索等多 个领域中。

确定自动机(DFA)是正则表达式匹配算法的基础，DFA在计算机中 以状态转换表的方式加以存储。通常，用DFA进行正则表达式匹配的基 本过程如下：

步骤a、对于给定的正则表达式，用经典的方法构建相应的DFA；

步骤b、采用DFA对输入的文本(或者网络流)进行匹配。这一匹配 过程又包括：

步骤b-1、当前状态current处于DFA的初始状态；

步骤b-2、对于每一个输入的文本字符t[i]，根据状态转换表的内容从 自动机的当前状态current跳转到它的后继状态next；

步骤b-3、如果后继状态next是自动机的接受状态，那么说明当前文 本位置发生了一次匹配，输出匹配位置；

步骤b-4、继续处理下一个字符。

从上述过程可以看出，DFA是正则表达式匹配过程的核心。DFA中用 于记录当前状态current到后继状态next的转换情况的状态转换表的大小 (也就是下文中所提到的DFA存储空间)对实现正则表达式匹配时所占 用的计算机存储资源的多少直接相关，而正则表达式匹配的速度也和DFA 状态转换的速度有着密切的联系。

近年来，随着待处理信息量的不断增强和实时处理的紧迫需求，对正

则表达式匹配算法的性能提出了更高的要求。正则表达式匹配算法的性能 包括匹配速度和所占用计算机存储资源两个方面，而DFA正与这两个方 面有着密切的联系。因此，本领域技术人员希望通过对DFA的改变来改 进现有的正则表达式匹配算法，使得改进后的正则表达式匹配算法能够对 DFA存储空间进行压缩以减少对计算机存储资源的占用，并能加快DFA 状态的转换速度。

在参考文献1(Algorithm to Accelerate Multiple Regular Expressions  Matching for Deep Packet Inspection Conference：SIGCOMM’06September  11-15，2006)中提出了D²FA方法来压缩DFA的存储空间。它通过引入默 认转移(default transition)来减少状态转移的数目，从而降低自动机的存 储空间。引入默认转移能够极大地减少DFA的状态转移，在该文中所记 载的实验表明，该方法平均能够减少95％的状态转移。但是该方法的缺陷 在于：每处理一个字符可能需要在D²FA中进行多次状态跳转，导致实际 的匹配性能不高。

在参考文献2(An improved DFA for fast regular expression matching， ACM SIGCOMM Computer Communication Review，Volume 38，Issue 5(October 2008)，Pages 29-40)中提出了δFA方法来压缩DFA的状态表。 该方法提取子状态和父状态的相同元素来消除状态转换表的冗余。在状态 访问序列中，如果当前状态t要访问的元素next[t，c]与其前一个状态s的 对应元素next[s，c]相同，那么可以直接从前一个状态中读取相应的值。 该方法能够取得非常好的压缩效果，但是非常费时的。

综上所述，现有技术中所公开的正则表达式匹配算法无法同时提高 DFA空间的压缩效果与DFA状态的转换速度，从而影响了正则表达式匹 配算法的最终匹配性能。

发明内容

本发明的目的是克服现有技术无法同时提高DFA空间的压缩效果与 DFA状态的转换速度的缺陷，从而提供一种在压缩效果与转换速度上达到 良好平衡的方法。

为了实现上述目的，本发明提供了一种确定自动机的空间压缩方法， 包括：