[发明专利]基于有限状态自动机的字符串匹配方法及内容过滤设备无效

申请号：	200910226279.4	申请日：	2009-11-27
公开（公告）号：	CN101876986A	公开（公告）日：	2010-11-03
发明（设计）人：	黄凯明	申请（专利权）人：	福建星网锐捷网络有限公司
主分类号：	G06F17/30	分类号：	G06F17/30
代理公司：	北京同达信恒知识产权代理有限公司 11291	代理人：	郭润湘
地址：	350002 福建省福州市仓***	国省代码：	福建;35
权利要求书：	查看更多	说明书：	查看更多
摘要：
搜索关键词：	基于有限状态自动机字符串匹配方法内容过滤设备
钻瓜网技术展会专利词库专利权人专利榜在售专利公布日期热门专利

【说明书】：

技术领域

本发明涉及检索技术领域，尤指一种基于有限状态自动机(DeterministicFinite State Automaton，DFA)的字符串匹配方法及内容过滤设备。

背景技术

Aho-Corasick算法于1975年由贝尔实验室的Aho和Corasick在《EfficientString Matching：An Aid to Bibliographic Search》中提出，其核心是一个涵盖所有查询关键字的有限状态自动机(Deterministic Finite State Automaton，DFA)。待搜索的数据库中的每个字符逐个输入到DFA中，当某个查询关键字命中，DFA输出报告。可用于字符串匹配、文本检索、网络数据流深度内容过滤、入侵检测、网络防毒等领域中。

通过Aho-Corasick算法得到DFA的过程中，需要构造三个函数：GOTO，FAILURE和OUTPUT。构造这三个函数的流程包括：

1.1构造GOTO函数。

该过程需要输入的是：要查询的关键字集合。例如：输入的关键字集合是K＝{y1，y2，...，yk}。

输出的是：GOTO函数和部分完成的OUTPUT函数。

1.2构造FAILURE函数。

该过程需要输入的是：上述过程1.1中得到的GOTO函数及部分完成的OUTPUT函数。

输出的是：FAILURE函数和完成的OUTPUT函数。

1.3构造OUTPUT函数。

该过程将GOTO函数和FAILURE函数进一步合并，得到DFA。

所以该过程输入的是：上述过程1.1中得到的GOTO函数及过程1.2中得到的FAILURE函数。

输出的是：构造完成的DFA。

假设需要在一个字符串数据库中搜索4个关键字，分别是：HE，SHE，HIS和HERZWXY。则在流程1.1中输入K＝{HE，SHE，HIS，HERZWXY}，经过步骤1.1、1.2、1.3的构建过程，得到包含输入前状态(即当前状态)、输入字符与对应输出的输出状态的对应关系的DFA，如表1所示。