基于短信过滤模式匹配算法的研讨.pdf

计算机科学2006V01．33No．9(专辑) 基于短信过滤模式匹配算法的研究 冯 松 (昆明理工大学信息工程与自动化学院 昆明650093) 摘要随着手机用户的普及，短信已逐渐成为人们沟通和交流的主要手段之一。但随之而来也产生了一些安全 性的问题，其中之一就是大量垃圾短信的泛滥，这是目前手机用户所面的一个共性问题。模式匹配算法是基于特 征匹配的过滤和拦截核心算法，模式匹配的效率决定短信过滤系统的性能。本文对短信过滤系统中的模式匹配算 法的性能进行了分析。 关键词短信息过滤，模式匹配 则T返回本趟开始字符的下一个字符，即T[i—j+ 1 前言 2]，P返回到P[1]，继续开始下一次的比较，重复上 短信息服务(SMS)协议是在20世纪80年代提述过程。该算法的最坏时间复杂度为O(M*N)。 出的，直到20世纪90年代才开始市场化运作。之匹配过程如图l所示。 后，我国手机短信业务增长迅速，并在2005年已经 匝固 达到3046亿条。在日益增长的背后却给手机用户 古 第一次匹配T匝卫j互]j逼重j玉jj卫 和社会带来了安全问题，就是出现了大量宣扬反动 P匝互互羞习 思想、搞假文凭、假发票、欺诈等短信。如何对这些 圃 有害信息进行处理是目前手机用户和短信运营商面 匝婴 临的一个共性的问题。短信通讯协议规定了短信文 0 babc cacbali 第二次匹配TLa a_b 本长度不超过70个汉字，以及发送和接收的实时 P匝互互互卫 性，所以目前对有害信息进行拦截和过滤大多采用 圃 模式匹配算法。 模式匹配算法按匹配模式的数量分：单模式匹 图1 BF算法 配算法和多模式匹配算法。经典的单模式匹配算法 有BF算法、KMP算法、BM算法等，经典的多模式BF算法尽管简单但效率低下，其原因是每次在 匹配算法有wM算法。下面针对这几种算法的性 发生某个字符不匹配的时候需要回溯文本T的指 能进行分析，并重点描述了目前在基于特征检测系 针i。通过分析图1的匹配过程可知第二次匹配肯 统中广泛使用的BM和wM算法。 定要失败的，原因是在第一次匹配的时候获得的部 分匹配可知文本T[2]的位置是b，所以第二次比较 2模式匹配 模式匹配问题的形式化定义如下：在字符集∑ 上，给定一个长度为N的文本字符串T[1…N]，以 后，文本T的指针i不回溯，而是利用已经得到的 及一个长度为M的模式字符串P[1…M]。如果对 “部分匹配”的结果，使模式P向右“滑动”至某个位 于1≤S≤N，存在T[S+l…S+M]一P[1…M]，则 称模式与文本匹配。字符串的模式匹配问题就是要 寻找P在T中是否出现，以及出现的位置。 所示。