布隆过滤器、计数布隆过滤器及其应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
删除操作： 不允许删除一个元素，会导致false negative。 false negative：把属于这个集合的元素误认为不属于这个集合。
精品课件
添加地址
1亿
邮箱
16亿二进 制
0
0
0
0
0
0
0
0
0
0
abc123@gmail.co m
abc456@gmail.co m
随机数生成器 F1-8
随机数生成器 G
精品课件
位图法
位图法就是Bitmap的缩写。就是用每一位来存放某种状态，适用于 大规模数据，但数据状态又不是很多的情况。通常是用来判断某个数据存 不存在的。
位图法可以理解为通过一个bit数组来存储特定数据的一种数据结构；由 于bit是数据的最小单位，所以这种数据结构往往是非常节省存储空间。
精品课件
01110011
这样可以每天采用恒定的1个byte即可保存当天的考勤记录。
精品课件
布隆过滤器
布隆过滤器（Bloom Filter），它结合了位图和Hash 表两者的优点.
位图的优点是节省空间，但是只能处理整型值一类的问题 ，无法处理字符串一类的问题.
而Hash表却恰巧解决了位图无法解决的问题，然而Hash 太浪费空间。
布隆过滤器
信息安全课程报告
Bloom filter -------- The course report of Information security
组长：
汇报人：
精品课件
CONTENTS
目 录
1 背景介绍 2 算法描述 3 误判概率证明和计算 4 优劣详解 5 布隆过滤器改进方案 6 布隆过滤器设计和应用
信息指 纹
f1 = F1 f‘1 = F‘1 = f1 f2 = F2 f’2 = F’2 f3 = F3 f‘3 = F’3 = m2 f4 = F4 f’4 = F‘4 = m3 f5 = F5 f‘5 = F’5 = m4 f6 = F6 f’6 = F‘6 = m5 f7 = F7 f‘7 = F’7 = m6 f8 = F8 f’8 = F‘8 = m7
1
01
1
1
1ቤተ መጻሕፍቲ ባይዱ
1
1
1
1
0
g1 g' g' 2 1
g2 g8 g3 g4 g5 g6 g7
精品课件
查询地址
1
1
1
t1 t'2 t2
abc123@gmail.co m
BCD123@gmail.co m
16亿二进 制
1
1
1
1
1
1
0
t8 t3 t4 t5 t6 t7
随机数生成器 F1-8
信息指 纹
s1 = F1 s2 = F2 s3 = F3 s4 = F4 s5 = F5 s6 = F6 s7 = F7 s8 = F8
精品课件
算法原理
精品课件
算法原理
精品课件
算法原理
4.将待查询元素映射到位数组中，若对应每位都是1，则在集合中； 否则，不在。 注：会出现两种情况：（1）没有发生误判（2）发生了误判（false positive） false positive：有可能会把不属于这个集合的元素误认为属于这个 集合。
精品课件
计数布隆过滤器
计数布隆过滤器是对基本布隆过滤器的改进，使布隆过滤器可以支 持删除成员。 因为布隆过滤器的基本单位是1个bit，只能表达2种状态， 即存在、不存在。 如果把基本单位1bit拓展成多个bit，这样就能增加更 多信息，表达出多种状态。
精品课件
The description of it's core algorithm
Hash函数
一般来讲，计算机中的集合是用哈希表（hash table）来存储的。 Hash函数作用就是把要存的数据映射成hash表中的一个位置，这个位置 就是你要存放该数据的地方。一般把hash表的每个位置都叫做“槽（slot） ”。 它的好处是快速准确，缺点是浪费存储空间。当集合比较小时，这个问题 不显著，但是当集合巨大时，哈希表存储效率低的问题就显现出来 了。
精品课件
The background of Bloom filter
布隆过滤器
背景介绍
精品课件
背景介绍
比如在字处理软件中，需要检查一个英语单词是否拼写正确（也就是要判断 它 是否在已知的字典中）； 在 FBI，一个嫌疑人的名字是否已经在嫌疑名单上； 在网络爬虫里，一个网址是否被访问过等等。
精品课件
精品课件
Hash函数
假设hash表的大小为9（即有9个槽），hash(k) = k mod 9，现在要把 一串数据存到表里：5,28,19,15,20,33,12,17,10
hash(5)=5, hash(28)=1，hash(19)=1， 01 234 567 8
28
5
n个关键字映射到k个槽中，n只要大于k，一定至少有一个槽放了多于1个元 素，所以不能完全避免碰撞（冲突） 。
布隆过滤器
算法描述
精品课件
Bloom Filter
布隆过滤器（Bloom Filter）是一种概率空间高效的数据 结构。用于检索一个元素是否在一个集合中。
存在“在集合内（可能错误）”和“不在集合内（绝对不 在集合内）”两种情况。
精品课件
温故知新
精品课件
核心思想
核心思想就是利用多个不同的Hash函数来解决“冲突”。 如何判断某元素x是否在一个集合中？
X
X1,X2,X3.. ..Xn
R
精品课件
算法原理
Bloom Filter需要一个位数组(和位图类似)和K个映射函数(和Hash 表类似)。包含两种操作：插入和查询 1.初始化：将所有位置0 2. 集合R={r1,r2...rn},通过k个相互独立的映射函数{h1,h2,......hk}，将集 合R中的每个元素rj(1<=j<=n)映射为K个值 3.将位数组中相对应的array[h1]，array[h2]，array[h3]......array[hk]置 为1
位图法
比如一个公司有8个员工，现在需要记录公司的考勤记录，传统 的方案是记录下每天正常考勤的员工的ID列表，比如2012-0101:[1,2,3,4,5,6,7,8]。
假如员工ID采用byte数据类型，则保存每天的考勤记录需要N个byte ，其中N是当天考勤的总人数。 1 2 3 4 5 67 8
s'1 = F'1 = s1 s'2 = F'2 s'3 = F'3 = s2 s'4 = F'4 = s3 s'5 = F'5 = s4 s'6 = F'6 = s5 s'7 = F'7 = s6 s'8 = F'8 = s7
精品课件
添加地址
1亿
邮箱
16亿二进 制
0
0
0
0
0
0
0
0
0
0
abc123@gmail.co m
abc456@gmail.co m
随机数生成器 F1-8
随机数生成器 G
精品课件
位图法
位图法就是Bitmap的缩写。就是用每一位来存放某种状态，适用于 大规模数据，但数据状态又不是很多的情况。通常是用来判断某个数据存 不存在的。
位图法可以理解为通过一个bit数组来存储特定数据的一种数据结构；由 于bit是数据的最小单位，所以这种数据结构往往是非常节省存储空间。
精品课件
01110011
这样可以每天采用恒定的1个byte即可保存当天的考勤记录。
精品课件
布隆过滤器
布隆过滤器（Bloom Filter），它结合了位图和Hash 表两者的优点.
位图的优点是节省空间，但是只能处理整型值一类的问题 ，无法处理字符串一类的问题.
而Hash表却恰巧解决了位图无法解决的问题，然而Hash 太浪费空间。
布隆过滤器
信息安全课程报告
Bloom filter -------- The course report of Information security
组长：
汇报人：
精品课件
CONTENTS
目 录
1 背景介绍 2 算法描述 3 误判概率证明和计算 4 优劣详解 5 布隆过滤器改进方案 6 布隆过滤器设计和应用
信息指 纹
f1 = F1 f‘1 = F‘1 = f1 f2 = F2 f’2 = F’2 f3 = F3 f‘3 = F’3 = m2 f4 = F4 f’4 = F‘4 = m3 f5 = F5 f‘5 = F’5 = m4 f6 = F6 f’6 = F‘6 = m5 f7 = F7 f‘7 = F’7 = m6 f8 = F8 f’8 = F‘8 = m7
1
01
1
1
1ቤተ መጻሕፍቲ ባይዱ
1
1
1
1
0
g1 g' g' 2 1
g2 g8 g3 g4 g5 g6 g7
精品课件
查询地址
1
1
1
t1 t'2 t2
abc123@gmail.co m
BCD123@gmail.co m
16亿二进 制
1
1
1
1
1
1
0
t8 t3 t4 t5 t6 t7
随机数生成器 F1-8
信息指 纹
s1 = F1 s2 = F2 s3 = F3 s4 = F4 s5 = F5 s6 = F6 s7 = F7 s8 = F8
精品课件
算法原理
精品课件
算法原理
精品课件
算法原理
4.将待查询元素映射到位数组中，若对应每位都是1，则在集合中； 否则，不在。 注：会出现两种情况：（1）没有发生误判（2）发生了误判（false positive） false positive：有可能会把不属于这个集合的元素误认为属于这个 集合。
精品课件
计数布隆过滤器
计数布隆过滤器是对基本布隆过滤器的改进，使布隆过滤器可以支 持删除成员。 因为布隆过滤器的基本单位是1个bit，只能表达2种状态， 即存在、不存在。 如果把基本单位1bit拓展成多个bit，这样就能增加更 多信息，表达出多种状态。
精品课件
The description of it's core algorithm
Hash函数
一般来讲，计算机中的集合是用哈希表（hash table）来存储的。 Hash函数作用就是把要存的数据映射成hash表中的一个位置，这个位置 就是你要存放该数据的地方。一般把hash表的每个位置都叫做“槽（slot） ”。 它的好处是快速准确，缺点是浪费存储空间。当集合比较小时，这个问题 不显著，但是当集合巨大时，哈希表存储效率低的问题就显现出来 了。
精品课件
The background of Bloom filter
布隆过滤器
背景介绍
精品课件
背景介绍
比如在字处理软件中，需要检查一个英语单词是否拼写正确（也就是要判断 它 是否在已知的字典中）； 在 FBI，一个嫌疑人的名字是否已经在嫌疑名单上； 在网络爬虫里，一个网址是否被访问过等等。
精品课件
精品课件
Hash函数
假设hash表的大小为9（即有9个槽），hash(k) = k mod 9，现在要把 一串数据存到表里：5,28,19,15,20,33,12,17,10
hash(5)=5, hash(28)=1，hash(19)=1， 01 234 567 8
28
5
n个关键字映射到k个槽中，n只要大于k，一定至少有一个槽放了多于1个元 素，所以不能完全避免碰撞（冲突） 。
布隆过滤器
算法描述
精品课件
Bloom Filter
布隆过滤器（Bloom Filter）是一种概率空间高效的数据 结构。用于检索一个元素是否在一个集合中。
存在“在集合内（可能错误）”和“不在集合内（绝对不 在集合内）”两种情况。
精品课件
温故知新
精品课件
核心思想
核心思想就是利用多个不同的Hash函数来解决“冲突”。 如何判断某元素x是否在一个集合中？
X
X1,X2,X3.. ..Xn
R
精品课件
算法原理
Bloom Filter需要一个位数组(和位图类似)和K个映射函数(和Hash 表类似)。包含两种操作：插入和查询 1.初始化：将所有位置0 2. 集合R={r1,r2...rn},通过k个相互独立的映射函数{h1,h2,......hk}，将集 合R中的每个元素rj(1<=j<=n)映射为K个值 3.将位数组中相对应的array[h1]，array[h2]，array[h3]......array[hk]置 为1
位图法
比如一个公司有8个员工，现在需要记录公司的考勤记录，传统 的方案是记录下每天正常考勤的员工的ID列表，比如2012-0101:[1,2,3,4,5,6,7,8]。
假如员工ID采用byte数据类型，则保存每天的考勤记录需要N个byte ，其中N是当天考勤的总人数。 1 2 3 4 5 67 8
s'1 = F'1 = s1 s'2 = F'2 s'3 = F'3 = s2 s'4 = F'4 = s3 s'5 = F'5 = s4 s'6 = F'6 = s5 s'7 = F'7 = s6 s'8 = F'8 = s7