一组提高存储效率的深度包检测算法

随着深度包检测规则数目的剧烈增长,为了适应网络处理的需求,必须对表示正则表达式的DFA(deterministic finite automata,确定的有限自动机)进行高效的存储.一方面,对DFA的状态点数目进行压缩,提出了一种复合的FSM(有限自动机)的构造方法,通过对正则表达转化成DFA的状态点数目复杂度的分析,将不同复杂度的正则表达式采用不同的方式构建DFA,使得所有平方级和指数级复杂度的状态点数目降低到了线性级.另一方面,对DFA的状态转移数目进行压缩,给出了一种高效的压缩算法,即WD2FA(weighted delayed input DFA,带权延迟DFA)算法,对于任意复杂度的正则表达式都可以将状态转移数目压缩为原来的5%左右,相对于D2FA(delayed input DFA,延迟的DFA)有更好的压缩能力,并且使得D2FA是WD2FA在权值为0情况下的特例.实验结果表明,有限自动机的状态点数目能够控制在线性级,并且在状态点压缩的基础上将状态转移数目压缩为原来的7%.

构造型的D^2FA生成算法

Delayed input DFA(D2FA)中引入默认边来对确定状态机(DFA)进行状态转移精简.为了提高D2FA生成算法的效率,分析了对正则表达式X得到的DFA(∧X)与DFA(X)间的相关性,提出一种从DFA(∧X)到D2FA(X)的构造型算法.该算法将DFA(X)中的状态用DFA(∧X)中的状态序列进行表示,从而基于状态序列进行默认边的选择,而不需要生成实际的DFA(X).理论分析和实验结果表明,该算法降低了构造D2FA的算法复杂度,同时仍能保证进行模式匹配时的解析时间下限,以及对DFA的状态转移精简能力.