基于AC_QS多模式匹配算法的优化研究

随着互联网的日益强大,互联网上数据急剧增多,如何在海量的数据中快速准确地找到所需信息,就显得尤为重要,这就需要多模式串匹配算法.多模式串匹配算法在越来越多的领域里都有应用,比如:信息安全领域中,入侵检测系统、防火墙等,在医学领域、数据挖掘、信息检索等等领域中均有广泛的应用.AC算法在多模式串匹配算法中是一个能达到线性时间的算法,其算法效率较高,AC QS算法是在AC算法基础上增加坏字符规则,进一步增加了AC算法的匹配效率,但其空间复杂度较高.本文在AC QS算法的基础上,对算法预处理和匹配过程中继续优化,并对字典树存储时进行了优化,使算法在空间和时间复杂度上得到进一步优化,提高了算法性能.实验结果也验证了该算法的高效性.     

基于字频的单模式匹配算法

通过模仿人类查找字符串的过程,本文提出了一种新的单模式匹配算法(MBF算法).该算法利用QS算法的思想和已经成功匹配的前、后缀信息对模式进行预处理.在查找阶段,MBF算法利用了字符使用频率和连续跳跃的查找思想.实验表明,MBF算法比同类的其它算法更加高效.     

一种提高模式匹配速度的新方法

在分析了经典的BM算法以及一些重要的改进算法的基础上,根据首字符唯一的特点提出了一种新的模式匹配算法--BMX算法。该算法利用模式串首字符的唯一性,通过判断文本串后一位是否在模式串中出现以及下一位字符和模式串首字符的比较,能使最大位移量提升到,出现概率也显著提高。实验结果表明,BMX算法能够最大限度地跳过坏字符,大大减少了匹配次数和字符的比较个数,加快了匹配速度,效率优于BM、BMH、BMHS等算法。     

字符串模式匹配算法的研究及改进

串的模式匹配是一种重要的串运算。本文首先对朴素的模式匹配BF算法与KMP算法进行了分析,在此基础上寻求出一种简单实用、易于理解的字符串模式匹配改进算法。结果表明改进算法能减少模式匹配中字符的比较次数和尝试次数,提高模式匹配的效率。     

深度包检测中一种正则表达式匹配算法的改进

网络数据包内容检测技术已在网络安全、网络监视、HTTP负载均衡等方面得到广泛的应用,因此,对快速数据包内容的检测就变得异常重要。在数据包内容检测过程中,数据包的净载数据要通过一系列已经定义好的正则表达式模式进行数据匹配。在此,阐述目前数据包检测存在的问题,如传统数据包检测应用程序要求很大的内存空间去存储相应的正则表达式模式,提出一种大大降低对内存空间使用的改进算法。通过将该改进算法应用到以DFA为基础的包检测应用程序中,说明经过真实网络数据来检测算法的改进成果。结果表明了改进算法的有效性。     

一种适于中文检索的单模式匹配算法

文中主要对KMP算法、BM算法、Sunday算法进行了研究分析,根据中文汉字在计算机中的编码规则,提出了一种用于中文检索的CSPM算法。该算法充分利用已匹配信息,实现了待匹配文本串指针和模式串指针均不回溯,增大了跳跃距离,有效地提高了匹配速率。实验结果显示,CSPM算法较其他几种算法有更好的时间性能。     

基于压缩感知的图像哈希算法

在信息安全相关研究中,图像哈希算法是一项热门的内容,通过一串短效的字符、数字序列,对一副图像进行映射,在数字水印、图像检索、图像索引、图像认证等方面,均有着广泛的应用.哈希算法的两个基本性质就是感知鲁棒性、惟一性.传统的密码学哈希算法,一般仅适用于文本数据,需要设计开发新的哈希算法,用于图像等多媒体数据的处理.基于此,本文基于数字图像,提出了基于压缩感知的图像哈希算法,分别以颜色向量角、环形分割为切入点,对图像哈希算法进行了研究.     

一种基于XGBoost的恶意HTTP请求识别方法

针对现有的web应用防火墙大多基于规则对恶意的HTTP请求进行检测,容易绕过且检测效率低下等问题,基于词袋模型聚类,提出一种改进的恶意HTTP请求检测方法。通过对已有的正常请求和恶意请求进行词袋和TF-IDF模型进行特征提取,并采用XGBoost分类算法对异常请求进行识别。实验结果表明,与随机森林、支持向量机等识别方法相比,该方法具有更好的异常HTTP请求识别效果。     

基于G/S模式的应急管理海量异构数据调度应用研究

针对目前应急管理的海量异构数据调度存在的问题,提出一种基于G/S(Geo-information Browser/ServiceCloud)模式的海量异构数据调度的算法,并根据算法进行数据调度的应用研究。首先研究G/S模式对数据调度的需求;然后,通过相关数据调度算法分析,在S端选择动态作业分配平衡算法,改进并在服务器上实现算法;最后,通过性能测试和结果分析,验证其正确性和有效性。     

基于改进的GHSOM的入侵检测研究

提出了一种基于改进的生长型分级自组织映射(GHSOM,growing hierarchical self-organizing maps)神经网络的入侵检测方法。改进的GHSOM具有传统GHSOM多层分级的特点,同时能够处理含有数值类型成员和字符类型成员的混合输入模式向量,提高了入侵检测的效率。对KDD Cup 99数据集和模拟数据集进行的入侵检测模拟实验表明,改进的GHSOM算法对各种类型的攻击有着较高的检测率。     

Lateral inhibition net and weighted matching algorithms for speechrecognition in noise

The authors address the problem of speech recognition with signals corrupted by white Gaussian additive noise at moderate SNR. The energy of the noise is not required. A technique based on a lateral inhibition process approximation with a multilayer neural net (the lateral inhibition net (LIN)) and neural net processing efficacy weighting in acoustic pattern matching algorithms is proposed. In the recognition procedure, the local SNR is computed by means of the autocorrelation function and is employed to estimate the efficacy of LIN in noise cancelling which is taken into account as a weight in a pattern matching algorithm. A general criterion based on weighting the frame influence in decisions according to the reliability in noise reduction is suggested, and modified versions of both HMM and DTW algorithms have been designed. To be more coherent with the conditions that define LIN, a modification in the backpropagation algorithm is also proposed     

BM模式匹配算法的研究和改进

模式匹配算法在数字通信、入侵检测等多种领域都有着广泛的应用,BM算法以其高效的匹配过程成为模式匹配算法中应用最为广泛的算法之一。尽管如此,BM算法的效率还是可以再提高的。本文在介绍经典BM算法及其改进的BMH、BMHS算法的基础上,通过整合、改进后,提出了一种新的改进的IBMH算法。在对以上算法进行复杂度分析以后,再通过具体的实验验证。结果表明IBMH算法在比较次数、运行时间、稳定性等方面明显优于BM、BMH以及BMHS等算法。     

改进的指纹识别算法嵌入式应用研究

研究了一种新的指纹识别算法并在电控锁中的应用问题.针对传统的指纹识别算法对指纹的细节匹配精确度较低,难易对细节信息进行准确的提取,为了克服这一问题,对点模式指纹识别匹配算法进行了改进,主要创新点在于改进的算法在模式匹配算法的基础上加入了匹配权重系数,有效地提高了指纹识别的精确度,同时给出了指纹识别硬件系统结构,将提出的改进的算法成功应用在嵌入式应用中,实例结果表明,提出的算法能够有效地提高安全加密度,具有一定的实际应用价值.     

基于改进的遗传算法的任务分配与调度

任务分配与调度是分布式系统章介绍了一种改进的遗传算法,该算法在扩大选择范围的同时,将适应度引入到对父代之间的交叉操作中,克服了标准遗传算法(SGA)交叉操作中较大的盲目性.实验结果表明,改进的遗传算法在精度和收敛速度上都较SGA有较大程度的提高.     

图像匹配算法的研究进展

图像匹配是计算机视觉和图像处理中的重要研究内容.分析了图像匹配中的难点问题及其关键技术,研究了组成匹配算法的四个要素,介绍了近来出现的新思路和新方法,对匹配算法进行了分类和性能比较,提出了实际应用中有待进一步研究的内容,如算法的集成、神经网络、遗传算法和基于高层语义的应用等.     

一种基于Bloom filter的高速浮动关键词匹配算法

目前浮动关键词模式匹配算法的性能是IP包内容检测及过滤系统的瓶颈.而现有的浮动关键词匹配模式算法存在吞吐率低或支持的关键词数量少的问题.为了解决这些问题,文中提出了一种基于Bloom filter的改进算法.对某些短模式,采用部分无状态过滤思想,使该算法具有快速、可升级、大规模、易实现的特点.仿真试验表明:只要模式出现概率小于0.01,系统吞吐率至少可以实现9Gbps的匹配速率.     

Fast full search motion estimation algorithm using various matchingscans in video coding

To reduce the amount of computation in a full search (FS) algorithm for fast motion estimation, we propose a novel and fast FS motion estimation algorithm. The computational reduction without any degradation in the predicted image comes from fast elimination of impossible motion vectors. We obtain faster elimination of inappropriate motion vectors using efficient matching units from localization of the complex area in image data. We show three properties in block matching of motion estimation. We suggest two fast matching scan algorithms, one from adaptive matching scan and the other from fixed dithering order. Experimentally, we remove the unnecessary computations by about 30% with our proposed algorithm compared to conventional fast matching scan algorithms     

基于Snort的模式匹配算法比较

字符串模式匹配算法是入侵检测的的关键,为了测试BM,BMG,AC,AC-BM四种算法性能,基于Snort的模式匹配算法在Snort入侵检测系统下测量了四种算法的运行时间和内存消耗。实验结果表明当模式数量较大时AC,AC—BM算法运行时间小于BM和BMG算法,但内存消耗相对较大;当模式数量较少时,BM和BMG算法优于AC,AC—BM算法。     

Fast full search motion estimation algorithm using early detection of impossible candidate vectors

To reduce the amount of computations for a full search (FS) algorithm for fast motion estimation, we propose a new and fast FS motion estimation algorithm. The computational reduction of our FS motion estimation algorithm comes from fast elimination of impossible motion vectors. We obtain faster elimination of inappropriate motion vectors using efficient matching units from localization of a complex area in image data. In this paper, we show three properties in block matching of motion estimation. We suggest two fast matching scan algorithms: one from adaptive matching scan and the other from fixed dithering order. Experimentally, we remove the unnecessary computations by about 30% with our proposed algorithm compared with the conventional fast FS algorithms.