[发明专利]一种域名过滤SWM多模式匹配算法及应用

说明书

技术领域

本发明涉及多模式匹配算法领域,是一种WM算法的改进算法。

背景技术

随着网络技术的发展，互联网在人们日常生活中的作用越来越大，同时挂马网页、诈骗网页、色情网页等非法网站也给正常的网络秩序带来了巨大的挑战，针对这种问题的一种处理方法是在网络的关键位置，如内网与外网连接的边界，布置基于网络的入侵检测系统(NIDS: Network-Based Intrusion Detection System),对非法网站的域名进行过滤。

发明内容

为了解决在最短模式长度较小的情况下，WM算法性能随着模式集规模增大而显著降低的问题，本发明在WM算法基础上，进一步优化跳跃机制和匹配方法，并提出了模式分集的思想，设计了一种新的多模式匹配算法-SWM(SubsetWu-Manber)算法，并将其应用在域名过滤问题中，SWM算法的处理顺序即字符串扫描从左向右，对模式的匹配从后向前进行。

1、预处理过程主要工作是建立多个检索表，具体流程如下：

1)确定模式了集分界M，将模式集合分为P₁, P₂两个子集；

2)统计得到P₁, P₂模式子集的最小模式长度m₁, m₂，确定匹配子串基本长度B；

3)对于P₁模式子集，按照最小模式长度m₁，构建SHIFT11, HASH1, PREFIX1三个表；

4)对于P₂模式子集，按照P₂子集的最小模式长度m₂，构建SHIFT21, SHIFT22, SHIFT23；HASH2,PREFIX2五个表

使用SHIFT23有两个原因:一个原因是计算跳转表索引的hash 1函数实现B个字符的hash计算，比PREFIX表的变长hash2函数运算简单，相当于增加一次简单的前缀确认;第二个原因是SHIFT23表是用于字符串B₃的匹配确认，而B₃远离B₁、B₂，能够一定程度上缓解连续相同字符串带来的匹配冲突；

HASH1/HASH2每项包含模式链表指针、PREFIX1/PREFIX2表指针以及模式链表中最短模式长度，模式链表存储经过多级匹配后hashl值相同的所有模式;PREFIXI/PREFIX2表存储模式链表中每个模式按照最短模式长度计算的前缀hash(此处使用hash2函数)。

匹配从字符串的第m个字符开始，字符串的扫描从左向右;对模式的匹配是从右向左进行的，每次子串匹配的长度为B=2，设当前位置为i，则步骤如下:

1)计算B_i = t_i=B+1…t这B个字符的hashl值，得到h₁;

2)查SHIFT11表得到s_{1 1}=SHIFT 1 1(h₁ )，如果s _{1 1} = 0，转7);如果s _{1 1}>0，计算B₄= t_i=B+1…t_i+1这B个字符的hashl值h₄，查SHIFT 11表得到s₁₄ = SHZFT11(h₄)，计算s₁=max(s_ips₁₄ +1);

3)查SHIFT21表得到s₂₁=SHIFT 21(h₁)，如果s₂₁>0，查表SHIFT21得到s₂₄=SHIFT 21(h₄)，计算s₂ = max(s₂₁, s₂₄ +1)，取s= min(s₁ , s₂ )，根据这个值向后移动相应的长度，并转到1);如果s₂₁ = 0，则继续;