自然语t文本和模式串p,在同一台计算机上用不同算法进行3万、5万、10万次循环匹配,分别统计各算法循环匹配所进行的字符比较次数和总消耗的时间。
文本串:t=one day one pig went to a bar and the bar tender asked what can i get for you today and the pig said five beers. he drank up all the beer and then he asked were the bathroom was the bar tender said straight down the hall to the left. then three more pigs came in and the bar tender asked what can i get you today.
模式串:p= i get you today.
测试结果下表1所示:
经过多次匹配实验,结果显示改进后的bm算法进行模式匹配时字符比较次数、匹配时间均少于原bm算法,匹配效率有所提高。
3 结语
随着网络规模的不断扩大和入侵手段的不断更新,对入侵检测也提出了更高的要求。目前,bm算法还是入侵检测系统中主要使用的模式匹配方法,而它本身存在的一些问题使其还是有改进的余地,本文对其进行了改进,并且通过实验结果分析得出改进以后在匹配效率的提高。以后我们还可以在检测引擎中结合其他智能化的检测方法,如协议分析、神经网络、遗传算法等,这将是我们下一步研究的重点。
参考文献
[1]谷晓钢,江荣安,赵铭伟.snort的高效规则匹配算法[j].计算机工程,2006,(18).
[2]唐正军.入侵检测技术导论(第一版)[m].北京:机械工业出版社,2004.
[3]边肇祺,阎平凡,杨存荣.模式识别(第一版)[m].北京:清华大学出版社,1988.
[4]郭军,笹尾勤.入侵检测中模式匹配算法的fpga实现[j].科技创新导报,2007,(14).
上一页 [1] [2]