[发明专利]一种对WuManber算法进行测试的方法和系统

说明书

技术领域

本发明涉及多模式串匹配技术领域，特别是涉及一种对WuManber算法进行测试的方法和系统。

背景技术

多模式串匹配是计算机科学领域的一个经典问题，对它的研究已经持续了几十年，已有的算法也有几百个。多模式串匹配算法广泛的应用在信息检索、信息过滤、病毒检测、入侵检测、计算生物学等方面。近年来，随着网络信息安全应用的发展，多模式串匹配技术作为其核心技术之一，也得到了很大的发展，尤其是在大规模、超大规模的串匹配、模糊匹配、正则匹配、硬件匹配技术等方面，都随着应用的强烈需求而迅速发展。

多模式串匹配算法的应用环境有模式串集合本身、运行机器、输入文本等几个方面，它们都对算法的性能有影响。对于一个特定的多模式串匹配的应用，模式串集合和运行机器都是固定的，只有输入文本是一直在变化的，因此对于不同的输入文本，检测的速度会有变化。因此，通过设计相应的检测数据，利用多模式串匹配算法检测该测试数据，以产生最多的检测次数，使得多模式串匹配算法的测试速度剧烈下降，以寻找可以使多模式串匹配算法最低速度提高的改进方法。

WuManber算法是一种常用的多模式串匹配算法，它是Boyer-Moore算法的一种派生形式。它采用了Boyer-Moore算法的框架，使用长度为b的字符块B(block character)而不是单个字符来计算坏字符(bad-character)的距离表SHIFT。此外，在进行匹配的时候，它使用散列表HASH选择模式串集合中的一个子集与当前文本进行匹配验证，减少无谓的运算。WuManber算法的执行时间主要依赖模式串集合中最短的模式串长度，它不会随着模式串集合大小的增加而成比例增长，其时间要远少于使用每一个模式串和Boyer-Moore算法对文本进行匹配的时间总和。

WuManber算法在预处理阶段，主要构造SHIFT表和HASH表，图1是根据模式串集合{aba，abba，bbb}在字符块长度为2，字符集大小为2时构造的SHIFT表和HASH表的示意图；如图1所示。在匹配阶段，求出当前匹配窗口内文本片断的末尾块字符的散列值h(B)，如果该散列值对应的转移距离SHIFT[h(B)]大于0，则当前窗口内文本片断不匹配，将匹配窗口向右移动SHIFT[h(B)]位；否则当前窗口内的文本可能和某个模式串匹配，利用散列值h(B)选取模式串的一个子集HASH[h(B)]，逐个与文本进行验证，以得到最终的匹配成功结果。

由WuManber算法的原理可以看出，算法的匹配时间主要消耗在两个方面：一个是计算当前窗口的散列值，另外一个是当存在一个可能的匹配时(SHIFT值为0时)，对相应HASH表项后链接的多个模式串进行一一验证。显然，后面的一个耗时要远远大于前面一个。因此，如果一组数据能使WuManber算法产生较多验证次数，则检测这组数据的速度会大大下降。

发明内容

本发明的目的在于提供一种对WuManber算法进行测试的方法和系统，通过构造测试数据，对WuManber算法进行测试，来寻找可以使匹配模块最低速度提高的改进方法。

为实现本发明的目的而提供的一种对WuManber算法进行测试的方法，其特征在于，所述方法，包括下列步骤：

步骤100，根据模式串集合以及WuManber算法使用的散列函数，设计生成能够使WuManber算法验证次数最多的测试数据；

步骤200，对WuManber算法使用所述测试数据进行测试，获得WuManber算法的最低运算速度。

所述步骤100，包括下列步骤：

步骤110，根据模式串集合以及WuManber算法使用的散列函数，计算HASH表及HASH表的长度；

步骤120，根据所述HASH表的长度以及HASH表每一项通过散列函数对应的字符块生成有向无回路图；

步骤130，根据构造的所述有向无回路图，计算从起点到终点的一条最长路径，将路径上的标记组成的字符串记为L，L的长度为n-(lmin-b)，其中，n为所述测试数据的长度，b为字符块B的长度，lmin为所述模式串的最短长度；

步骤140，将所述字符串L前面增加长度为lmin-b的任意属于字符集∑的字符串作为要构造的测试数据，并将所述测试数据存储到外部存储器中。

所述步骤110，包括下列步骤：

步骤111，根据所述模式串集合以及WuManber算法使用的散列函数计算出HASH表；

步骤112，计算所述HASH表每一列的长度w。

所述步骤111，包括下列步骤：