一种大模式集下基于并行调度模式重组方法、计算机及存储介质技术

本发明专利技术提出一种大模式集下基于并行调度模式重组方法、计算机及存储介质，属于人工智能技术领域具体包括，首先，对模式集划分为模式子集，选取最优划分模式子集作为结果；其次，利用优化的遗传退火算法将模式子集调度到多核中；再其次，对模式子集进行评估，判断是否需要对运行时间长的子集进行二次重组，最后，根据评估结果，对不满足评估条件的模式子集进行模式重组。本发明专利技术能够适应长度分布不同的多种模式集特征，细粒度地对模式集划分、调度、评估与重组。解决现有技术中存在的检测预定义模式集运行时间长的技术问题。实现了检测预定义模式集运行时间短的效果。式集运行时间短的效果。式集运行时间短的效果。

【技术实现步骤摘要】
一种大模式集下基于并行调度模式重组方法、计算机及存储介质


[0001]本申请涉及一种模式重组方法，尤其涉及一种大模式集下基于并行调度模式重组方法、计算机及存储介质，属于人工智能


技术介绍

[0002]深度报文检测通过检查报文的有效负载以检测预定义模式集。真实环境下的大模式集长度分布具有范围广、动态变化特征，现有模式匹配算法对长度敏感，缺少适应不同长度分布的通用并行匹配算法，如模式集中存在长度长且数量大的情况时，目前的并行匹配算法处理这种情况出现多核负载不均，影响整体性能。此外，当模式集规模超过106时，模式匹配算法会消耗大量时空资源。因此，适应长度变化的并行模式匹配算法是一项挑战。
[0003]关于模式重组应用于大规模的模式集，目前，提出了一种适用于大规模模式集的最短路径模型。在这种方法中，长度相同的模式将作为一个节点分配在一个子集中，任意两个节点之间边的权重是AC、WM和SBOM的最小运行时间。最优划分是寻找最短路径，并根据结果合并路径节点间长度范围的子集。还提出了动态规划法寻找适用于多核架构的模式集划分，他们把多核的核数作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大模式集下基于并行调度模式重组方法，其特征在于，包括以下步骤：S110对模式集划分为模式子集，选取最优划分模式子集作为结果；S120利用优化的遗传退火算法将最优模式子集调度到多核中；S130对模式子集进行评估；S140对不满足评估条件的模式子集进行模式重组，执行步骤S120。2.根据权利要求1所述的方法，其特征在于，步骤S110所述对模式集进行划分的具体方法是：通过动态规划方法与模式等长划分方法对模式集进行划分。3.根据权利要求2所述的方法，其特征在于，步骤S120所述将模式子集调度到多核中的具体方法是：步骤一、初始化种群Pop0，交叉概率p
c0
和变异概率p
m0
；步骤二、对于种群Pop
t
中的每个子集p
i
，计算种群中每个子集的适应度f和所有子集适应度f
′
avr
的平均值；步骤三、计算交叉概率P
cross
、突变概率P
mutation
和最好子集的适应度f
′
best
与所有子集适应度f
′
avr
平均值的差值ε；步骤四、以交叉概率进行交叉操作；步骤五、以突变概率进行变异操作；步骤六、生成下一代种群Pop
t+1
；步骤七、判断新种群Pop
t+1
与上一代种群Pop
t
是否相同，当新种群Pop
t+1
与上一代种群Pop
t
相同时，执行步骤八，当新种群Pop
t+1
与上一代种群Pop
t
不相同时，则世代数增加1，若世代数达到最大值G
max
，则遗传算法达到收敛条件，算法结束，否则执行步骤二进行下一代循环操作；步骤八、执行退火算法，初始解为w，计算目标函数f(w)，初始温度T
max
，迭代次数K
max
；步骤九、产生扰动新解w1，再次计算目标函数f(w1)，当f(w1)
‑
f(w)结果小于0时，接受新解w1，否则，...

【专利技术属性】
技术研发人员：刘立坤，余翔湛，史建焘，叶麟，葛蒙蒙，杨霄璇，李精卫，石开宇，韦贤葵，冯帅，王久金，车佳臻，赵跃，宋赟祖，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：