[发明专利]海量特征串集合的匹配方法及系统

权利要求书

1.一种海量特征串集合的匹配方法，包括预处理阶段和特征串匹配阶段，其中，所述预处理阶段包括：

确定位向量掩码表的空间容量；

根据对输入的特征串集合所包含的算法字符个数及特征串的数量的统计，对所述特征串进行分组，建立分组位向量掩码表；

根据所述算法字符的位长确定散列函数；

所述特征串匹配阶段包括：

根据输入的特征串所包含的算法字符的个数确定普通匹配窗口长度和长匹配窗口长度，并为当前待匹配数据设置一个偏移值作为起始偏移值，其中，通过机器字符与所述散列函数的转换获得所述算法字符；

根据所述起始偏移值为起点对当前待匹配数据进行偏移并定位，获取当前普通匹配窗口的数据；

从所述当前普通匹配窗口的末端获取一个算法字符，用直接寻址的方式从所述位向量掩码表中获取位向量；其中，

如果所述位向量中的所有有效位不全为0，则以所述位向量为初始向量，以当前读入的算法字符作为新的长匹配窗口的起点，在所述新的长匹配窗口的长度范围内，采用位并行方式对所述位向量进行即时更新，并对即时更新的位向量进行非零判断；其中，在所述位向量进行更新的过程中，

如果所述位向量的有效位全为0，将当前读入的算法字符的位置作为新的起始偏移值，并结束更新；

如果所述位向量的有效位不全为0且所述位向量的某一个分组的最高位为1，则匹配当前分组特征串的后缀，保留初始向量中相应的有效位；其中，

在所述特征串的分组为不等长分组时，如果已经匹配后缀的特征串所属分组的长度小于等于后缀命中时在长匹配窗口中读入的算法字符的个数，则直接记录一次命中的可能，可能会发生命中的特征串的末尾即是当前读入的算法字符；

当所述位向量的更新过程结束时，如果所述特征串发生过后缀匹配，则仅保留初始向量中所有发生过后缀命中的活动位，其余全部清0，作为所述特征串前缀匹配的初始向量，在当前的起始偏移值所指向的普通匹配窗口中进行所述特征串匹配命中的确认；

如果在匹配所述特征串的后缀过程中，所述偏移值没有改变，则对所述偏移值进行重新定位，获取新的起始偏移值，并在所述偏移值重新定位的过程中，以位并行的方式同步进行特征串匹配。

2.如权利要求1所述的海量特征串集合的匹配方法，其中，在对所述特征串进行分组的过程中，

根据所述特征串的分组数、每组位长、每组所容纳的特征串的数量以及所述位向量掩码表的参数，获取每组的过滤通过率；

通过每组的过滤通过率获得每组分组方式的过滤通过率，将所有分组方式中过滤通过率最低的分组方式作为最终的分组方式对所述特征串进行分组。

3.如权利要求2所述的海量特征串集合的匹配方法，其中，通过下述等式获取每组分组方式的过滤通过率：

sg=Σi=1g(1-si-1)*Ri]]>

其中，g表示分组数，R_i表示每一组内的过滤通过率，S_i是前i组的过滤通过率，当i=g时，S_g表示每组分组方式的过滤通过率。

4.如权利要求1所述的海量特征串集合的匹配方法，其中，在当前的起始偏移值所指向的普通匹配窗口中进行匹配命中的确认的过程中，

依次从所述普通匹配窗口末端反向逐个获取算法字符，更新所述位向量；

如果更新后的所述位向量的某一个分组的最低位是1，则记录一次特征串匹配命中的可能，其中，可能会发生命中的特征串的起点即是当前读入的算法字符。

5.一种海量特征串集合的匹配系统，包括特征串分组单元和特征串匹配单元：

其中，所述特征串分组单元包括：

空间容量确定单元，用于确定位向量掩码表的空间容量；

位向量掩码表建立单元，用于根据对输入的特征串集合所包含的算法字符个数及特征串的数量的统计，对所述特征串进行分组，建立分组位向量掩码表；

散列函数确定单元，用于根据所述算法字符的位长确定散列函数；

所述特征串匹配单元包括：

初始单元，用于根据输入的特征串所包含的算法字符的个数确定普通匹配窗口长度和长匹配窗口长度，并为当前待匹配数据设置一个偏移值作为起始偏移值，其中，通过机器字符与所述散列函数的转换获得所述算法字符；

数据获取单元，用于根据所述起始偏移值为起点对当前待匹配数据进行偏移并定位，获取当前普通匹配窗口的数据；

位向量获取单元，用于从所述当前普通匹配窗口的末端获取一个算法字符，用直接寻址的方式从所述掩码表中获取位向量；

匹配单元，用于当所述位向量中的所有有效位不全为0时，以所述位向量为初始向量，以当前读入的算法字符作为新的长匹配窗口的起点，在所述新的长匹配窗口的长度范围内，采用位并行方式对所述位向量进行即时更新，并对即时更新的位向量进行非零判断；其中，在所述位向量进行更新的过程中，

如果所述位向量的有效位全为0，将当前读入的算法字符的位置作为新的起始偏移值，并结束更新；

如果所述位向量的有效位不全为0且位向量的某一个分组的最高位为1，则已经匹配了当前分组特征串的后缀，保留初始向量中相应的有效位；其中，

在所述特征串的分组为不等长分组时，如果已经匹配后缀的特征串所属分组的长度小于等于后缀命中时在长匹配窗口中读入的算法字符的个数，则直接记录一次命中的可能，可能会发生命中的特征串的末尾即是当前读入的算法字符；

当所述位向量的更新过程结束时，如果所述特征串发生过后缀匹配，则仅保留初始向量中所有发生过后缀命中的活动位，其余全部清0，作为所述特征串前缀匹配的初始向量；

匹配命中单元，用于在匹配单元发生过后缀命中时，在当前的起始偏移值所指向的普通匹配窗口中进行所述特征串命中的确认；

偏移值获取单元，用于在匹配所述特征串的后缀过程中，当所述偏移值没有改变时，对所述偏移值进行重新定位，获取新的起始偏移值，并在偏移值重新定位的过程中，以位并行的方式同步进行特征串匹配。