基于特征值的模式匹配算法

宜宾学院学报 Journal of Yibin University

优先数字出版

—————————————————————— 收稿日期：2014-07-03 2014-09-05 基金项目：安徽电子信息职业技术学院教科研项目“基于数据挖掘技术的高职院校招生决策系统研究与应用”

（ADZX1306）

作者简介：余飞（1983-），男，硕士，讲师，研究方向为计算机网络安全、数据挖掘、分布式操作系统 网络出版时间： 网络出版地址： 基于特征值的模式匹配算法

余 飞，刘思宏

（安徽电子信息职业技术学院 软件学院，安徽蚌埠233060）

摘 要：模式匹配算法广泛应用于防火墙、入侵检测等网络安全领域，其算法效能直接影响到系统的工作效率．本文首次提出了一种基于特征值的模式匹配算法——FLC （First-Last-Characters ）算法．该算法打破了经典算法有序偏移的思想，突破了BMHS （Boyer-Moore-Horspool-Sunday ）算法最大偏移量（m+1）的上限，从而增大了偏移距离，减

则匹配成功；若有一个字符不同，则匹配不成功，模式串向右移动一个字符的位置，继续比较，直到将文本串的所有位都比较过来．BF 算法实现简单，但模式串每次仅偏移一个字符，这导致模式串几乎要与文本串中的每一个字符进行比较，运行效率极其低下．

KMP 算法[2]是BF 的一种改进算法，该算法由Knuth 等人提出．KMP 算法根据给定的模式串，定义一个next 函数．模式串与文本串按顺序进行从左到右匹配，

2014-09-12 13:00

/kcms/detail/51.1630.Z.20141211.1054.008.html

若匹配不成功，next函数将给出模式串向右移动的位置，即模式串与文本串重新开始比较的起始位．KMP算法的创新之处在于，利用next函数能够科学的计算出模式串偏移距离，解决了BF算法中模式串偏移的盲目性，实现了其大幅度的有序偏移，提高了匹配效率，这为后续研究奠定了基础．

1977年，Boyer和Moore提出了一种著名的单模式匹配算法——BM算法[3-4]，该算法使用坏字符规则（Bad Character）和好后缀规则（Good Suffix）来计算模式串右移距离，实现模式串的跳跃式偏移．BM算法效率较BF和KMP算法有显著的提高，也开始投入实用，应用于入侵检测系统，防火墙系统[5]等．此后，对BM算法的改进成为该领域的热门，重要的改进算法有1980年Horspool提出的BMH（Boyer-Moore-Horspool）算法[6]和1990年Sunday提出的BMHS（Boyer-Moore-Horspool-Sunday）算法[7]．BMH与BMHS算法的改进集中在模式串与文本串失配后模式串偏移量的计算，减少了匹配次数和消耗时间，匹配效率得到提升．

近几年对模式匹配算法的研究主要集中在对算法的改进与应用上．陈瀛等将数理统计的方法带入模式匹配算法[8]，运用抽样统计理论从文本串中采集可能与模式串匹配成功的抽样点，在其周围进行精确匹配．姚亚锋等提出了AC-BM算法[9]，该算法结合了AC算法与BM算法两种经典算法的优长，显著提高了效率．刘胜飞，张云泉在BMH算法的基础上提出BMH2算法[10]，该算法增加了一个移动距离的特征数组，来辅助模式串进行最大幅度的偏移．

本文在探讨经典算法的基础上，提出一种基于特征值的模式匹配算法——FLC（First-Last-Characters）算法，该算法打破经典算法有序偏移的思想，突破最大偏移量的限制，实现跳跃式偏移，从而减少偏移次数，有效提升匹配效率．1BMHS算法

Horspool提出的BMH算法是对BM算法的简化与改进，而BMHS算法是对BMH算法进一步的改进和优化．BMH和BMHS算法的共同点是，简化了BM算法的好后缀规则，只使用其坏字符规则．而BMHS算法则对坏字符规则进行了进一步的改进与优化，它根据当前与模式串尾字符对齐的文本串中字符的下一个字

设文本串为T[0,1,2……n-1]，长度为n；模式串P[0,1,2……m-1]，长度为m．BMHS算法的匹配过程：文本串T保持不动，模式串P从左向右移动，移动至T[j]处进行匹配，匹配的顺序是自右向左进行的，即先匹配T[j+m-1]和P[m-1]，再比较T[j+m-2]与P[m-2]是否相等……直到比较至T[j]和P[0]处．如果全部相同，则匹配成功；如果在T[i+j]和P[i]处不相等，则使用坏字符规则（设坏字符T[j+m]的值为d）：

（1）如果在模式串P中，找到P[k]处值为d．则模式串P向右偏移，让T[j+m]与P[k]对齐，并从模式串末端开始，从右向左继续比较．如图1所示．

图1BMHS算法找到坏字符的偏移情况[11]

Fig.1The deviation case of the bad characters found by the BMHS algorithm[11]

（2）如果在模式串P中，没有找到值为d的字符．则模式串P直接向右偏移m+1位，并从模式串末端开始，从右向左开始新的一轮比较．如图2所示．

图2BMHS算法未找到坏字符的偏移情况[11]

Fig.2The deviation case of the bad characters not found by The BMHS algorithm[11]

BMHS是所有经典算法中，匹配效率较高的算法，其应用成熟而广泛．但BMHS算法也有以下缺陷：

（1）最大偏移量是m+1（未找到坏字符时的偏移量），即偏移量上限是m+1，这意味着，该算法的任何偏移都无法超越该值．

（2）偏移之后，必须进行逐个字符的匹配，这将造成系统资源和时间的浪费，影响匹配效率．

（3）模式串长度越长，在模式串中寻找坏字符的时间消耗就越多，这将延长匹配时间，降低匹配效率．