在網(wǎng)絡(luò)安全監(jiān)控中，深度報文檢測技術(shù)是一種主要的手段，它通過字符串匹配算法把網(wǎng)絡(luò)中捕獲到的數(shù)據(jù)流與特定的字符串進行匹配。這里所說的特定字符串是指在分析數(shù)據(jù)報文協(xié)議的基礎(chǔ)上提取的特征字符，通過這種方式可以識別并阻斷某些數(shù)據(jù)流，實現(xiàn)有效的網(wǎng)絡(luò)安全防范。

    在深度報文檢測技術(shù)上，經(jīng)典的字符串匹配算法有單模式匹配的KMP和BM算法,改進的多模式匹配的AC算法、CM算法、WANG方法和Wu-Manber算法，然而這些算法都采用字符串匹配為基礎(chǔ)。隨著網(wǎng)絡(luò)的不斷發(fā)展，應(yīng)用軟件特征字符識別的復(fù)雜度越來越大，采用字符串匹配已難以匹配識別，因此這些算法的局限性也凸顯出來?；?a class="innerlink" href="http://theprogrammingfactory.com/tags/正則表達式" title="正則表達式" target="_blank">正則表達式的多模式匹配具備了優(yōu)越的表達匹配能力和靈活性，相比傳統(tǒng)的字符串匹配更加精確高效。
    基于正則表達式的多模式匹配是把正則表達式轉(zhuǎn)變?yōu)樽詣訖C，自動機分為兩種：非確定有限自動機(NFA)和確定有限自動機(DFA)。NFA的優(yōu)點是占用內(nèi)存和系統(tǒng)資源少，但是需要對每個字符進行遍歷，處理狀態(tài)集里的所有狀態(tài)，很耗費時間。如good(day|night|evening):若要搜goodday，NFA需要把goodday、goodnight、goodevening全部遍歷一次才能完成搜索。相比之下，DFA搜索一個字符只需要訪問一個狀態(tài),但是若把所有的正則表達式都轉(zhuǎn)變?yōu)镈FA將會占用非常大的系統(tǒng)內(nèi)存資源，目前的硬件條件還無法滿足這一點。
       結(jié)合NFA和DFA各自的優(yōu)缺點，本文提出了一種猜測-分組-檢驗的匹配算法。使用DFA在猜測的基礎(chǔ)上添加分組，能夠更有效減少系統(tǒng)內(nèi)存占用率；然后再結(jié)合NFA檢測確保算法具備高匹配度。
1 正則表達式相關(guān)算法
       深度報文包檢測技術(shù)是基于系統(tǒng)規(guī)則庫對在網(wǎng)絡(luò)中捕獲的數(shù)據(jù)包中的每一個字節(jié)進行掃描和識別，標準的字符串匹配算法有:Aho-Corasiek[1]、 ComentZ-Walter[2]和Wu-Manber[3]算法。如今隨著網(wǎng)絡(luò)協(xié)議復(fù)雜度日益增加，傳統(tǒng)的字符串匹配算法難以精確地識別出復(fù)雜多變的協(xié)議類型[4]。
       SOMMER R和PAXSON V[5]認為，用正則表達式描述網(wǎng)絡(luò)中數(shù)據(jù)協(xié)議行為比用字符串表達更為高效、靈活。KUMAR S[6]等通過將DFA的某些狀態(tài)用單條缺省邊來代替，提出一種稱為延遲輸入DFA，實驗結(jié)果表明,相比于傳統(tǒng)的DFA存儲空間可減少95%以上。但是引入缺省邊導(dǎo)致處理一個字符需要多次訪問內(nèi)存，參考文獻[7]對參考文獻[6]進行改進,提出一種目錄尋址的D2FA-CD2FA，用包含部分狀態(tài)信息的目錄標簽來代替狀態(tài)的ID，而這些信息一般是保存在狀態(tài)表的條目中，使得一次轉(zhuǎn)移只消耗一個字符。
      YU F等人提出了將正則表達式進行分組的思想[8]。其方法是：計算正則表達式兩兩之間是否引起狀態(tài)增長，在進行分組時，選擇一條與其他表達式具有最小相關(guān)度的正則表達式開始，然后按照相同的原則向這個組里不斷添加，直到這個組形成的DFA內(nèi)存超過預(yù)先設(shè)定的閾值，再開始創(chuàng)建另一個新組。重復(fù)這個過程，直到所有的表達式都被分配出去為止。
      參考文獻[9]提出了一種混合自動機的方法，其基本思想是：將整個規(guī)則集編譯成一個NFA 結(jié)構(gòu)之后，并不對它進行完全的確定化，而是在確定化之前判斷狀態(tài)之間跳轉(zhuǎn)的原因。進行部分確定化的結(jié)果就是形成了一個混合的自動機結(jié)構(gòu)，它的前面一部分是DFA的狀態(tài)，而在每個邊界狀態(tài)之后都帶有一個NFA，這個NFA以邊界狀態(tài)作為初始狀態(tài)。
       張樹壯等人提出了一種基于猜測-驗證的匹配方法[10]：首先使用DFA對正則表達式中的部分子特征進行搜索，完成特征存在性的猜測。當猜測到有可能匹配某個特征后，再使用NFA進行驗證。這種方法既充分利用了DFA的高效性，減少了對相對較慢的驗證過程,又借助NFA避免了內(nèi)存消耗過于巨大。
       本文在深入研究和分析以上算法的基礎(chǔ)上，針對DPI規(guī)則庫這樣十分龐大的規(guī)則系統(tǒng)，借鑒一些經(jīng)典正則表達式匹配算法，提出一種猜測-分組-檢驗算法。該算法把分組作為核心步驟，利用正則表達式之間的相關(guān)性組合后進行分組，能夠十分有效地降低系統(tǒng)內(nèi)存資源的使用率。結(jié)合NFA驗證，該算法能夠?qū)斎脒M行有效的匹配和識別。
2 算法描述
    正則表達式匹配算法分為三個步驟：猜測、分組和檢驗?？傮w來說，在安全監(jiān)控中所使用的規(guī)則一般都可以分為若干個特征子塊Sub-feature，如圖1所示，每個子特征之間通過正則表達式運算符連接在一起。獲取到這些特征子塊之后，可以簡單地把它們合并轉(zhuǎn)換為一個DFA。然而這樣一個DPI的規(guī)則庫，將會占用十分龐大的系統(tǒng)內(nèi)存資源。所以在獲得特征子塊后，需要采用相似性度分析對這些子塊進行分組，把相似程度高的子塊聚合在一起，并通過子集構(gòu)造法轉(zhuǎn)換為一個DFA,再通過正則運算符把各個組的DFA連接在一起。分組后的DFA占用系統(tǒng)內(nèi)存資源小，可以有效減少空間使用率，進而提高資源的有效利用率。若某個輸入與猜測選擇出的特征子塊匹配，則把輸入進行NFA驗證，驗證方法是基于DPI庫中的每條規(guī)則轉(zhuǎn)變?yōu)镹FA得到的。

    其中S1和S2分別為代表兩個需做比較的正則表達式， ED(S1,S2)是指S1和S2之間編輯距離，max(|S1|,|S2|)是選擇兩個正則表達式中字符多的一個。若兩個正則表達式完全一樣，則計算結(jié)果為1；若兩個正則表達式完全不同，則計算結(jié)果為0。式(1)的字符串相似度算法復(fù)雜度小、精確度大，采用其進行相似度計算能夠有效減少內(nèi)存消耗并且確保極高的匹配率。
    采用上述的相似性計算法將每個Sub-feature進行相似度分析并分組。首先，在所有未分組的Sub-feature中選取一個與其他Sub-feature具有相似性的Sub-feature加入一個新組并記為group0；其次，在所有未處理的Sub-feature中，選取一個與group0中所有Sub-feature具有相似性的Sub-feature加入group0中；然后，重復(fù)以上步驟，把相似度低的或者未處理的正則表達式另行分組為group1、group2、group3等。
　    Sub-feature分組后，對每個組group0、group1、group2及group3等分別進行DFA轉(zhuǎn)換，分組轉(zhuǎn)換后的DFA要比沒有分組直接轉(zhuǎn)換DFA所需要的狀態(tài)數(shù)少,有效地降低了系統(tǒng)資源使用率。
2.3 檢驗
       經(jīng)過上述的猜測和分組過程可以將大部分不滿足條件的輸入過濾掉,只剩少數(shù)數(shù)據(jù)可以與某條規(guī)則中的網(wǎng)絡(luò)數(shù)據(jù)流所有特征子塊相匹配從而需要進行完整驗證過程。因此可以使用速度相對較慢、但內(nèi)存需求較低的NFA來完成。NFA是通過從特征子塊中提取的各條完整規(guī)則，經(jīng)過Thompson構(gòu)造法轉(zhuǎn)換得到的。該檢驗方法通過占用系統(tǒng)內(nèi)存資源不大的NFA來實現(xiàn)，保證了匹配結(jié)果的精確性。
    為方便描述現(xiàn)定義：S表示規(guī)則中所有的正則表達式集合，r為集合中的正則表達式，rk為Sub-feature，Gd表示基于相似度算法分組數(shù):
For(rk∈S)
    {
　　For (d=0;d<diff;d++)
            For(k=0;k<max;k++)
            {
                If(ES(rd,rk)>=0.7)
                Gd=group(rk,k);
　　        }
    }
DFA=make_DFA(Gd);
NFA=make_NFA(S);
If（Wait(P)==1）
{
For(i=0;i<sizeoff(P);i++)
A=dfa_match(DFA,pi);
If(A&isin;DFA.OK)
nfa_match(NFA,P)
}
    該算法首先從正則表達式中搜索出Sub-feature作為猜測條件，根據(jù)相似性算法函數(shù)ES計算所有Sub-feature的相似度,并選出相似度大于70%的Sub-feature，儲存在分組函數(shù)groupi(i=0,1,2,&hellip;,d-1)中，共有d個分組。在輸入前，通過函數(shù)make_DFA、make_NFA生成預(yù)處理的DFA和NFA。當有輸入時，算法進行匹配，若輸入能夠滿足猜測并與DFA匹配成功，則對輸入的完整規(guī)則進行NFA匹配。
3 實驗結(jié)果與分析
     正則表達式匹配算法性能是否優(yōu)越的一個評價標準是系統(tǒng)內(nèi)存占用率。本實驗將猜測-檢驗算法進行對比和分析。實驗采用的正則表達式來自Linux Lay er-7 filter(L7)以及snort規(guī)則集中常用的Web-misc規(guī)則類；并用編譯工具在VC上生成NFA和DFA。
     實驗配置:主機CPU頻率2.69 GHz；1.99 GB內(nèi)存；Window XP操作系統(tǒng),網(wǎng)絡(luò)配置器是Realtek RTL8169/8110 Family Gigabit Ethernet NIC。
　  實驗步驟： (1)在L7和snort規(guī)則集中提取出Sub-feature；(2)采用式(1)中字符串相似性算法把相似性大于70%的Sub-feature分為一組，實驗中對L7和Web-misc類的Sub-feature進行分組； (3)將每組中的正則表達式分別通過編譯工具生成DFA，并最終合并為一個DFA；(4)對比猜測-檢驗算法。
     實驗結(jié)果與分析：表1、表2分別給出了L7和snort中的Web-misc規(guī)則采用本文算法與猜測-檢驗算法所占內(nèi)存需求對比。由實驗結(jié)果可以看出,基于L7規(guī)則庫，猜測-分組-檢驗算法所占用的內(nèi)存比猜測-驗證算法減少了35%；而基于snort中Web-misc規(guī)則庫，猜測-分組-檢驗算法所占用的內(nèi)存比猜測-驗證算法減少了5%，且猜測-分組-檢驗算法的DFA狀態(tài)數(shù)大幅度小于猜測-驗證算法。由此可知,本文所提正則表達式算法能更有效地減少系統(tǒng)內(nèi)存資源的使用。

    本文在深入學(xué)習(xí)、研究正則表達式和探討了優(yōu)化NFA與DFA的基礎(chǔ)上,借鑒一些經(jīng)典的正則表達式匹配算法提出了一種新的面向網(wǎng)絡(luò)數(shù)據(jù)流正則表達式匹配算法：猜測-分組-檢驗算法。這種算法首先使用分組算法對正則表達式中的Sub-feature進行相似性分組，然后完成對輸出的特征子塊猜測，最后將通過猜測的輸出進行完整的NFA檢驗。算法通過對比猜測-驗證算法進行實驗分析，驗證了該算法具備系統(tǒng)內(nèi)存資源占用率低和匹配能力強的優(yōu)點。
參考文獻
[1] AHO A V, CORASIEK M J. Effieient string matehing: an  aid to bibliographic searerch[J]. Communications of the ACM, 1975,18(6):333-340.
[2] WALTER B C. A string matching algorithm fast on the  average[J].Processing of ICALP,1979,71(7):118-132.
[3] WU S, MANBER U. A fast algorithm for multi-pattern  searching[C]. Department of Computer Science,1994.
[4] Qi Deyu, Qian Zhengping, Zheng Weipin. Fast dynamic pattern matching for deep packet inspection[C]. Proceedings of 2008 IEEE International Conference on Networking,Sensing and Contriol,ICNSC, 2008.
[5] SOMMER R, PAXSON V. Elthaneing byte-level network   intrusion deteetion signatures with context[C]. ACM conf,    on Computer and Communication Security, 2003.
[6] KUMAR S, DHARMAPURIKAR S, YU F. Algorithms to   accel-erate multiple regular expressions matching for deep  packet inspection[J]. Computer Communication Review,  2006,36(4):339-350.
[7] KUMAR S, TUMER J, WILLIAMS J. Advanced algorithmsfor fast and scalable deep packet inspection[C].ACM,2006.
[8] YU F, CHEN Z F, DIAO Y L,et al. Fast and memoryefficient regular expression matching for deep packet inspection[C]. In: Proc. of the IEEE/ACM Symp. on Architectures for Networking and Communications Systems.San Jose, 2006.
[9] BECCHI M, CROWLEY P. A hybrid finite automaton for practical deep packet inspection[C]. In: Processing of the ACM CoNEXT 2007, 2007.
[10] 張樹壯,羅浩,方濱興，等.一種面向網(wǎng)絡(luò)安全檢測的高性能正則表達式匹配算法[J].計算機學(xué)報,2010,33(10):1976-1986.