一种面向PDF文本内容审查的高效多模式匹配算法

摘要: 多模式匹配算法是网络入侵检测和内容过滤的核心算法。针对Wu-Manber多模式匹配算法所存在的匹配效率低、跳转距离较小的问题，结合PDF文本内容的编码规则，提出了一种适用于中文PDF文本内容审查的Wu-Manber改进算法。该算法使用布隆过滤器提取模式串关键信息，同时结合双重哈希和PDF文本编码规则，减少了无谓的匹配次数，加大了跳转幅度，从而提升了PDF文本的匹配性能。实验结果表明，这种改进算法在PDF文本审查中的匹配速率有较大提升，尤其当最短模式串较长且模式串规模较大时速度可以提升一倍以上。