[发明专利]一种多模式串匹配方法和系统

摘要

本发明涉及一种空间高效的多模式串匹配方法和系统。首先提出了一种新的存储模式串的数据结构—HashTrie，利用位向量表将原模式串矩阵存储为一维表的形式，避开传统方法存储自动机的状态转移矩阵问题；利用递归的哈希函数方法求出这个特殊的位向量表，以达到节约存储空间的目的；在哈希函数计算过程中，利用位运算技巧，将其转化为简单高效的位与运算操作；另外在HashTrie构造和关键词查找过程中均使用Rank技术，提高了搜索的空间效率和时间效率。本发明极大地降低了内存开销和预处理时间，更能满足实时入侵检测系统对规则生效的时效性要求，更适合于模式串集合规模较大、模式串长度较短的多模式串实时匹配问题。

主权项

1.一种模式串的数据存储结构的构建方法，其特征在于，所述数据存储结构包括过滤散列表B、预匹配散列表F和校验散列表M，其中过滤散列表B、预匹配散列表F是两个位向量表，该方法包括以下步骤：1)读入关键词文件；2)对关键词文件进行规范化处理；3)对于规范化处理之后的关键词文件，给位向量表的长度H赋值，并初始化位向量表B和位向量表F；步骤3)包括以下子步骤：3.1)给位向量表的长度H赋值，其中|P|＝∑_p∈P|p|是所有模式串的长度之和，其中p表示一个模式串，P表示模式串集合；3.2)初始化位向量表B，将B的H个位置均置为0；3.3)初始化位向量表F，将F的H个位置均置为0；4)采用递归哈希函数计算过滤散列表B和预匹配散列表F两个位向量表，利用Rank技术计算校验散列表M，最终得到B、F、M；步骤4)中，对于给定模式串集合P＝{p(0),p(1),…,p(r‑1)}，B、F的构造过程如下：4.1)对每一个模式串的每一个前缀其中0≤k＜r,1≤j≤m_k，利用递归哈希函数计算该前缀的哈希值h＝Hash(u)，同时将位向量B中第h位置为1；其中r表示模式串个数，m_k表示第k个模式串的长度为m_k，也即第k个模式串一共包括m_k个字符，表示第k个模式串的第1,2,…,m_k个字符；4.2)对于每一个完整的模式串，除了在位向量B中标记其哈希值外，同时将其标记在另一个位向量F中，即将F中对应的第h位亦置为1，得到位向量F，以此记录完整模式串的信息；步骤4)中校验散列表M是一个数组，每个数组元素M[t]为一个链表，M的构造过程如下：4‑3)对于模式串集合P＝{p(0),p(1),…,p(r‑1)}中的每一个模式串p(k)，计算该模式串的哈希值h：其中a是Borland C/C++编译器中伪随机数生成器的参数；4‑4)利用Rank技术，计算位向量F中第h比特位在F中的次序t，然后将该模式串存入链表M[t]中，t＝Rank(F,h),M(t)＝k。