一种状态爆炸型正则表达式的识别方法及系统技术方案

本发明专利技术公开了一种状态爆炸型正则表达式的识别方法及系统。本方法为：1)对于一待识别的正则表达式，生成其对应的NFA图，得到该正则表达式对应的NFA图集合；2)对于NFA图集合中的每一NFA图，提取该NFA图中的所有根子图并将其输入graph2vec模型，训练得到该NFA图的嵌入表示；3)利用分类模型处理该NFA图的嵌入化表示，判定该正则表达式是否为状态爆炸型正则表达式。该方法可高效快速的批量处理正则表达式，满足在线系统的高效处理性能与较低空间消耗的需求。的需求。的需求。

【技术实现步骤摘要】
一种状态爆炸型正则表达式的识别方法及系统


[0001]本专利技术涉及一种状态爆炸型正则表达式的识别方法及系统，属于计算机软件


技术介绍

[0002]正则表达式匹配是网络过滤等许多应用程序中的关键组件，例如在深度包检测(DPI)中，它可以增强网络通信的安全性并检测恶意流量的存在。完成正则表达式匹配时，首先应将正则表达式转换为有限自动机(FA)。有限自动机是一种状态机，其识别的语言和由正则表达式表示的语言相同，根据下一状态转移是否确定，可以将FA分为非确定性有限自动机(NFA)和确定性有限自动机(DFA)。NFA和DFA的表达能力相当，但是由于每个DFA状态都等同于相应的NFA状态集，因此从NFA到DFA的转换可能会导致状态数激增，称这一现象为状态爆炸。表1描述了NFA和DFA在不同的编译策略下，其空间复杂度与匹配的时间复杂度对比结果。
[0003]表1为NFA和DFA在不同的编译策略下，空间复杂度与匹配的时间复杂度对比
[0004][0005]1、DFA以其高效的匹配性能而广泛应用于DPI应用中，但是DFA的状态爆炸为D本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种状态爆炸型正则表达式的识别方法，其步骤包括：1)对于一待识别的正则表达式，生成其对应的NFA图，得到该正则表达式对应的NFA图集合；2)对于NFA图集合中的每一NFA图，提取该NFA图中的所有根子图并将其输入graph2vec模型，训练得到该NFA图的嵌入表示；3)利用分类模型处理该NFA图的嵌入化表示，判定该正则表达式是否为状态爆炸型正则表达式。2.如权利要求1所述的方法，其特征在于，步骤1)中，根据Thompson构造法生成该正则表达式对应的NFA图，并且用gexf文件存储该NFA图的信息；该NFA图的信息包括：NFA图的节点信息和边信息，其中节点信息包括节点的id值，边信息包括每条边的起始节点、终止节点以及边上的转移字符。3.如权利要求2所述的方法，其特征在于，根据节点的出边字符集合，将节点分为三类，作为节点的特征信息：加速状态爆炸的节点、阻碍状态爆炸的节点以及普通节点；其中，所述加速状态爆炸的节点为：若节点n的出边字符集合与正则表达式的前缀有重叠，且该出边字符集合连续出现了k次，则标记节点n为加速状态爆炸的节点；所述阻碍状态爆炸的节点为：若存在加速状态爆炸的节点n，并且在该节点n之前存在节点m，其出边字符集合与该节点n的出边字符集合交集为空集，则标记节点m为阻碍状态爆炸的节点；将加速状态爆炸的节点、阻碍状态爆炸的节点之外剩余的节点标记为普通节点。4.如权利要求3所述的方法，其特征在于，将节点的特征信息加入到WL算法中，然后利用融合节点分类的WL算法提取gexf文件中的所有根子图。5.如权利要求1所述的方法，其特征在于，所述分类模型为SVM分类器。6.如权利要求1所述的方法，其特征在于，训练graph2vec模型的方法为：将NFA图中的所有根子图看作文档中的词汇表，通过最大化公式得到所述文档的向量化表示，以及优化目标是最大化每个图中出现的属于它本身的根子图的概率，即最大化其中，d
i
表示第i篇文档的向量化表示，w
...

【专利技术属性】
技术研发人员：卢毓海，王晓琳，张春燕，刘燕兵，谭建龙，郭莉，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：