关于快速高效的模式匹配算法的剖析与改进

关于快速高效的模式匹配算法的剖析与改进
摘要：模式匹配算法是现代化网络入侵检测中的关键环节，本文主要介绍了几种常用的模式匹配算法，并在此基础上，提出一种更快捷、更高效的改进方法，以提高模式匹配的效率与质量，确保网络安全。

关键词：模式匹配入侵检测改进
随着我国计算机与网络技术的飞速发展，网络应用已涉及到人们生产、生活的各个领域，其重要性日益凸显。

随之而来的网络攻击问题也备受关注，给网络安全性带来挑战。

传统的网络防御模式，主要采取身份认证、防火墙、数据加密等技术，但是与当前网络发展不适应。

在此背景下，入侵检测技术营运而生，并建立在模式匹配基础上，确保检测的快捷性、准确性，应用越来越广泛。

1、模式匹配原理概述
模式匹配是入侵检测领域的重要概念，源自入侵信号的层次性。

结合网络入侵检测的底层审计事件，从中提取更高层次的内容。

通过高层事件形成的入侵信号，遵循一定的结构关系，将入侵信号的抽象层次进行具体划分。

入侵领域大师kumar将这种入侵信号划分为四大层次，并将每一个层次与匹配模式相对应。

以下将分别对四大层次进行分析：
(1)存在。

只要存在审计事项，就可以证明入侵行为的发生，并深层次挖掘入侵企图。

存在主要对应的匹配模式就是“存在模式”。

可以说，存在模式就是在固定的时间内，检查系统中的特定状态，
同时判断系统状态。

(2)序列。

一些入侵的发生，是遵循一定的顺序，而组成的各种行为。

具体表现在一组事件的秩序上。

序列对应的是“序列模式”，在应用序列模式检测入侵时，主要关注间隔的时间与持续的时间。

(3)规则。

规则表示的是一种可以扩展的表达方式，主要通过and 逻辑表达来连接一系列的描述事件规则。

一般适用于这种模式的攻击信号由相关活动组成，这些活动之间往往不存在事件的顺序关系。

(4)其他。

其他模式是不包含前面几种方法的攻击，在具体应用过程中，难以与其他入侵信号进行模式匹配，大多为部分实现方式。

2、几种常用的模式匹配算法
2.1 ac算法
ac算法（aho-corasick）是一种可以同时搜索若干个模式的匹配算法，最早时期在图书馆书目查询系统中应用，效果良好。

通过使用ac算法，实现了利用有限状态自动机结构对所有字符串的接收过程。

自动机具有结构性特征，且每一个前缀都利用唯一状态显示，甚至可同时应用于多个模式的前缀中。

如果文本中的某一个字符不属于模式中预期的下一个字符范围内，或者可能出现错误链接的指向状态等，那么最长模式的前缀同时也可作为当前状态相对应的后缀。

ac算法的复杂性在于o（n），预处理阶段的复杂性则在于o（m）。

在采取ac算法的有限状态自动机中，应该在每一个字符的模式串中分别建立节点，提高该算法的使用效率与质量。

目前，应用有限
自动计算法是一种较为典型与常用的方法，如果模式集比较大，可能引发空间膨胀问题。

在使用ac算法时，搜索输入串过程中没有跳跃，直接根据顺序输入，因此在规则较少的情况下，ac算法的搜索性能并不理想。

2.2 kmp算法
kmps算法与简单的算法有所不同，如果某一次的匹配失败，那么模式串不一定是向右移动一格，即使向右移动，也未必从模式的起点位置开始匹配。

kmp的具体计算方法为：
当某次试匹配成功之后，如果tx≠px，那么即使在模式之前j-1个字符全部匹配，而实现已经获知子模式p1p2……px-1，且最常的首子串与尾子串同等，即：p1p2……pk-1=px-k+1pjxk+2……pj-k，那么在下一次的匹配过程中，就可以将模式串向右移动，表示为next[x]，代表当模式串中的第x个字符和主串中的相应字符出现“失配”现象，那么模式中就需要重新与主串中的字符位置进行比较，在预处理时就可以完成next[x]的计算工作。

为了能完整体现完全匹配的各种情况，以上各首子串必须保证为最长。

因此，对于任何一个子模式来说（p1p2……px，其中1≤x
≤n），“自匹配”中的首子串都是唯一的，仅能与模式的自身结构相关。

通过应用kmp算法，采取一次将模式向右移动若干位置的方式，确保匹配过程中不需要任何回溯。

在相对较好的情况下，使用kmp算法的时间复杂度是0（m＋n），next[x]的计算时间复杂度是0（m）。

2.3 bm算法
bm算法是单模式匹配算法的其中一种，属于精确的字符串匹配算法，采取从右向左的比较方式，应用了“坏字符”与“好后缀”两种启发原则。

bm算法与kmp算法具有一定区别，主要是对模式串的扫描方式相反，即由从左向右改为从右向左。

采用bm算法采用这种扫描方式的优势在于：如果在正文中出现了个别模式没有的字符，那么可以将此模式迅速掠过正文。

应用bm算法，关键在于如何提高正文的匹配速度，尤其是字符在该模式中的具体位置。

假设模式为w[1，n]，同时定义函数x，函数x明确了正文中可能产生字符的模式位置：x＞（1,2,3,4，……n），且x∈。

函数x的定义如下：对于每一个x∈来说，假设在执行正文的位置j起“返前”一段以及模式从左向右的匹配检查过程中，无论在哪一位置，如果存在不匹配现象，就开始执行从wn和tj＋x的从右向左的匹配检查。

这种检查的效果相当于将模式向右侧滑动一段距离。

很明显，tj不会在模式中出现或者仅在模式的末端存在，向右侧滑动的最大距离为n。

3、一种新的模式匹配算法
随着计算机与网络的不断应用与拓展，网络流量迅速增加，各种匹配原则与匹配效率逐渐落后，无法满足现代化高速网络的发展需要。

尤其随着各种检测规则的不断提出，各种数据包匹配的次数也有所改变，因此很难完全满足性能。

针对这一情况，在各种基本算
法的基础上，充分利用“本次匹配不成功”原则，在匹配失败的情况下，尽量跳过多个字符，实现迅速匹配目标。

实际上，本文介绍的快速高效的全新模式匹配算法qs，是bm的简化算法形式，具体描述如下：当p[1,2......n]和t[i,i＋1, (i)
＋n-1]对齐的情况下，就可以实现匹配。

如果匹配失败，就分析t[i ＋n]个字符，以此判断右移p[1,2……n]的距离。

由于某一次匹配失败之后，模式会至少向右侧移动一格位置，那么一般情况下，t[i ＋n]字符就会在下一次匹配中出现。

因此，匹配失败后，就可以综合考虑t[i＋n]而非t[i,i＋1,……i＋n-1]中的某个字符，这样模式最大右移的距离是n＋1，在bm算法中则是n。

以下将对两种改进方法分别进行论述：
(1)经过改进的算法，如果文本和模式的某次匹配失败，那么对于t[i,i＋1,……i＋n-1]左边的字符t[i-1]就可以采取坏字符移动的方式，而t[i,i＋1,……i＋n-1]则采取好前缀移动。

在文本中，应该取指针移动距离最大的一个，即minlength＋1（minlength）是模式集合中的最短模式长度。

针对文本中的所有字符（w）来说，可将坏字符的移动函数定义为：
如果w出现在p中，那么执行公式(1)，否则执行公式(2)。

(2)在传统的匹配算法中，当匹配失败之后，就会分别计算坏字符启发函数或者好前缀启发函数，然后取其中最大值，作为移动量。

但是每次计算的时间比较长，因此需要改进坏字符优先策略。

如果利用坏字符启发可以实现n或者n＋1的量，就不需要再计算前缀
启发函数，最大限度地缩短模式匹配算法时间。

经过改进的算法，预处理时间复杂度是0（││＋│p│），此处││代表字符集的大小，│p│则是模式集中所有的模式长度综合。

这种算法的最佳情况为：
在每次模式树的第一个字符和文本比较不匹配，而且存在偏移量的最大值minlength＋1，改进算法的最佳性能，那么比较的次数为：在每次进行模式树中的最长模式，最后一个字符和文本比较时匹配失败，那么最小偏移量是1，改进之后的算法也具备最差性能，这种情况下的比较次数为：minlength＋[n-2
（minlength-1）]maxlength，时间复杂度是0（n maxlength）。

在平均情况下，时间复杂度和字符出现概率相关，可以通过概率模型计算。

由上可见，随着各种网络应用的不断完善，网络入侵检测计算日益发展，逐渐无法适应网络环境的要求，必须加快改进与优化策略，将改进的算法应用于入侵检测系统中，提高检测效率，确保网络安全运行。

参考文献
[1] 陈围.采用集合切分编码的大容量模式匹配算法[j].计算机应用研究,2011(6).
[2] 王烁.字符串模式匹配的硬件加速研究[j].中国科学技术大学:通信与信息系统.2008.
[3] 孙伟.基于模式匹配和协议分析的入侵检测技术研究[j].湖
南大学:计算机应用技术,2006.
[4] 鲁宏伟,魏凯,孔华锋.一种改进的kmp高效模式匹配算法[j].华中科技大学学报,2006(10).
[5] 张航,王宏志,李建中,高宏.基于2-hop优化的子图模式匹配算法[j].黑龙江大学自然科学学报,2010
(1).
[6] 陶世群,富丽贞.一种高效非归并的xml小枝模式匹配算法[j].软件学报,2009(4).
[7] 郑海涛.基于网络信息内容的dns检测系统的设计与实现[j].北京交通大学:通信与信息系统,2009.
[8] 谷晓刚,江荣安,赵铭伟.snort的高效规则匹配算法[j].计
算机工程,2006(18).。