基于字符频率的字符串模式匹配算法的研究

收稿日期：２ ０ １ ３ －０ ４ －１ ７ 基金项目：国家十二五科技支撑计划项 目 （ ２ ０ １ ２ Ｂ Ａ Ｈ２ ７ Ｆ ０ ５ ）；广东省 自然 科学 基金项 目 （ ￥ ２ ０ １ ２ ０ ２ ０ ０ １ １ ０ ７ １ ）；广东省 战略性新兴产业核心技术攻关项 目 （ ２ ０ １ ２ Ａ ０ １ ０ ７ ０ １ ０ ０ ４ ） 作者简介：巫喜 红 （ １ ９ ７ ５一 ），女，广东丰顺人 ，副教授 ，硕士 ，主要从事算法理 论和信息安全 等工作 。 ［ １ ０ １ 第３ ５ 卷 第９ 期 ２ ０ １ ３ － ０ ９ （ 上）
（ １ ． 嘉应学院 计算机学 院，梅州 ５ １ ４ ０ １ ５ ；２ ． 广东工业大 学 计算机学院，广州 ５ １ ０ ０ ９ ０ ）
摘
要 ：本文分析 了经典 的Ｉ Ｂ Ｍ 算法Ｅ １ ］ Ｓ ｕ ｎ ｄ ａ ｙ 算法 ，根据字符频率的特点提出 了一种新的模式匹配算法 Ｃ Ｆ Ｐ Ｍ 。Ｃ Ｆ Ｐ Ｍ 算法确定 模式串中字符频率最低的关键字符后 ，扫 描文本串中该关键字符的位 置并存储 ，最后根据 这些位置信 息进行快速 地匹配 ，匹配方 式是以关键 字符为始点 先匹配左 部分再匹配右部分。为了验证Ｏ Ｆ Ｐ Ｍ 算法的性能 ，在相 同的文本串和模式串情况下 ，从匹配移 动次数和 匹配 的字符个 数两 方面对Ｏ Ｆ Ｐ Ｍ算法进行 实验 。实验结 果证明 ，由于Ｃ Ｆ Ｐ Ｍ算法能够 很大 限度 地跳过坏字 符 ，大大减 少了匹 配次 数和字符 比较个 数 ，有效 地加 快了 匹配速度 ，其 效率优于Ｉ Ｂ Ｍ、Ｓ ｕ ｎ ｄ ａ ｙ 等算法 。
０ 引言
网 络 带给 人 们 方便 的 同时 也 存 在 安 全 隐 患 ， 而入 侵 检 测 系统 （ Ｉ ＤＳ ） 也 越 来越 广 泛地 应 用到 网络 系 统 中 ， 因 为 它是 提 高 网络 系统 安全 性 的重 要 技 术之 一 。 目前 ，许 多Ｉ ＤＳ 都 是 依靠 模式 匹配 技 术来 进 行 入 侵 检 测 的 ，但 是 ，在 进 行 入 侵 检 测时 ，花 费 在模 式 匹配 上 的时 间 占到 整 个Ｉ ＤＳ 总处理 时 间 的 ３ ０ ％，对于 密 集 型 的流量 ，这 一消 耗 达到 ８ ０ ％ 。
串 ，各 种 算 法 各 显 神通 ，各 有 各 的 寻 找 方法 ，在 此简要 介绍４ 种经 典匹 配算 法 。 Ｂ Ｆ 算 法 是 效 率 最 低 的 算 法 ，从 左 到右 进 行
匹配 。 首 先 将Ｔ［ １ 】 与Ｐ ［ １ 】 进 行 比较 ，若 不 同 ， 就 将Ｔ 【 ２ 】 与Ｐ 【 ｌ １ 进 行 比较 ，… … ，否 则从Ｔ［ ２ １ 开 始 与
Ｐ 【 １ ］ 进 行 比较 ，继续 开始 下一 趟 的比较 ，重 复上 述
过程 。
利 用字 符 统 计 特 征 的 算法 ，在 扫 描 过 程 中利 用 某
个 频 率 字 符 去 进 行 匹 配 ，跳 过 了一 系列 无 用 的 字 符 ，从 而提 高匹 配速 度 。
Ｋ ＭＰ 算 法 是 由Ｂ Ｆ 改进 后不 产 生 回溯 的一 种 算 法 ，每 当 匹配 过 程 中 出现 字 符 串 比较 不 等 时 ，不
术 。 目前 ，国 内 外对 于模 式 匹 配 算 法 已 有不 少 的 研 究 成 果 ，比如 典 型 的单 模 式 算法 有 Ｂ ｒ ｕ ｔ ｅ Ｆ ｏ ｒ ｃ ｅ 算 法 、Ｋｎ ｕ ｔ ｈ — Ｍｏ ｒ ｒ ｉ ｓ — Ｐ ｒ ａ ｔ ｔ （ Ｋ ＭＰ ） 算 法 、Ｂ ｙ ｏ ｅ ｒ — Ｍｏ ｏ ｒ ｅ （ Ｂ Ｍ） 算法 、Ｓ ｕ ｎ ｄ ａ ｙ 算法 ，多模式 算法主 要 有Ａｈ ｏ ＿ Ｃ ｏ ｒ ａ ｓ ｉ ｃ ｋ （ Ａ Ｃ ） 算法 、Ｗｕ ＿ Ｍａ ｎ ｄ ｅ ｒ 算法 。这 些 算 法 在 实 际 应 用 中 忽 略 了字 符 串的 特 征 ，没 有 实 际考 虑 到 字 符 的 频 率 情 况 ，为 此 ，本 文 提 出 了
因此 ，模式 匹配 性 能 的提 高成 为解 决Ｉ ＤＳ 的关 键技
１ 几种经 典的模式 匹配算法
设 文 本 串 Ｔ＝ Ｔ。 ……Ｔ ， ｎ为 文 本 串 的 长 度 ；模 式 串Ｐ ＝ Ｐ 。 … …Ｐ ． ． ，ｍ为 模 式 串 的 长 度 ， （ ｎ ＞ ＞ ｍ） ；Ｔ和 Ｐ 都 建 立 在 有 限 字 符 集 上 ， 大 小 为
关键词 ：字符频率 ；模式匹配 ；Ｉ Ｂ Ｍ 算法 ；Ｓ ｕ ｎ ｄ ａ ｙ 算法 中图分类号 ：Ｔ Ｐ ３ ９ ３ 文献标识码 ：Ａ 文章编号 ：１ ０ ０ ９ — ０ １ ３ ４ （ ２ ｏ ｌ ３ ） ０ ９ （ 上） 一 ０ ０ １ ０ －０ ５
Ｄ ｏ ｉ ：１ ０ ． ３ ９ ６ ９ ／ Ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ９ － ０ １ ３ ４ ． ２ ０ １ ３ ． ０ ９ （Ｉ － ） ． ０ ３
Ｏ 。
对 于 文本 串Ｔ和模 式 串Ｐ ，在Ｔ中寻 找 等于 Ｐ 的
子 串 ，如 果在Ｔ中存 在 等于Ｐ 的 子 串 ，则 称 匹配 成
功 ，函数 值返 回为Ｐ 中第一 个 字符 相 等的 字符 在主
串Ｔ中 的 序 号 ，否 则 称 为 匹配 失 败 ，这 个 搜 索 过
程 就 是 模 式 匹配 。至 于如 何 在Ｔ中寻 找 等 于Ｐ 的子
ｌ
勺 化
麟
ｊ
巫 喜红 ，凌
ＷＵ Ｘｉ — ｈ ｏ ｎ ｇ。 ．Ｌ Ｉ ＮＧ Ｊ ｉ ｅwk.baidu.com
基于字符频率 的字符 串模式匹配算法 的研究
Ｒｅｓ ｅａｒ ｃｈ ｏ ｆ ｔ ｈｅ ｓ ｔ ｒ ｉ ｎｇ ｐａｔ ｔ ｅｒ ｎ ｍ ａｔ ｃｈｉ ｎｇ ａｌ ｇｏｒ ｉ ｔ ｈｍ ｂａ ｓｅｄ ｏｎ ｃｈａｒ ａｃｔ ｅｒ ｓ ｆ ｒ ｅｑｕ ｅｎｃｙ