鄭天明，王韜，郭世澤，李華，趙新杰

(1. 軍械工程學院 計算機工程系，河北 石家莊 050003；2. 北方電子設(shè)備研究所，北京 100083；3. 中國人民解放軍第六九零九工廠，江蘇 蘇州 215300)

1 引言

當前，各種衛(wèi)星網(wǎng)絡(luò)已被廣泛應用到民用、軍事領(lǐng)域的各個角落，對衛(wèi)星網(wǎng)絡(luò)安全性進行分析十分重要，其中協(xié)議識別是衛(wèi)星網(wǎng)絡(luò)安全性評估的研究熱點[1]?？臻g協(xié)議是衛(wèi)星網(wǎng)絡(luò)的骨架和神經(jīng)，是維系網(wǎng)絡(luò)正常通信的紐帶，各層協(xié)議在空間信息結(jié)構(gòu)中占有核心地位，通過對衛(wèi)星網(wǎng)絡(luò)協(xié)議進行識別與分析，可確定各層協(xié)議類型，獲取網(wǎng)絡(luò)拓撲結(jié)構(gòu)、路由算法、IP地址分布等信息，探測協(xié)議漏洞或獲取高層信息，在此基礎(chǔ)上進行更高層次的安全評估。

BM算法(boyer-moore algorithm)[2]是最為經(jīng)典的協(xié)議識別算法，算法主要根據(jù)常用協(xié)議模式串規(guī)則，通過對待識別數(shù)據(jù)特征進行分析，從中查找模式串并確定其所在位置，在此基礎(chǔ)上進行協(xié)議識別。BM算法主要適用于模式串較長、字符集較大的協(xié)議識別。然而，在衛(wèi)星網(wǎng)絡(luò)中，由于空間數(shù)據(jù)具有特征位長度短、數(shù)據(jù)字符集小特點（如典型的SCPS-NP[3]協(xié)議特征僅為3bit），傳統(tǒng)的BM算法很難從中獲取協(xié)議特征，存在執(zhí)行效率和識別準確度較低問題。

為此，本文提出了一種改進的BM算法。提出的算法給出了一種計算空間數(shù)據(jù)中相同比特距離的數(shù)據(jù)預處理方法，降低字符串長度；并引入小數(shù)跳進機制，提高了BM算法分組頭匹配效率；在此基礎(chǔ)上應用正則表達式方法進行規(guī)則判斷，然后給出了一種基于層次關(guān)系法的多層協(xié)議識別方法，提高了多層網(wǎng)絡(luò)協(xié)議的識別效率；最后以應用廣泛的SCPS(space communication protocol specification)協(xié)議識別為例，應用提出的算法進行了實驗。

2 空間協(xié)議特征分析

空間數(shù)據(jù)在傳輸過程中具有傳輸時延長、信道誤碼率高、非對稱、適合同地面終端進行協(xié)議轉(zhuǎn)換等特點[4]。為適應這種特點，CCSDS（consultative committee for space data systems）委員會制訂了空間傳輸協(xié)議棧SCPS。SCPS協(xié)議棧結(jié)構(gòu)如圖1所示，其自下而上包括：物理層、數(shù)據(jù)鏈路層、網(wǎng)絡(luò)層、運輸層和應用層，以及介于網(wǎng)絡(luò)層與傳輸層之間的安全保護機制等多層協(xié)議，其中每層又包括若干個可供組合的協(xié)議[5～9]。

經(jīng)分析，空間數(shù)據(jù)結(jié)構(gòu)特征可歸納如下。

1) 協(xié)議結(jié)構(gòu)層次化，對空間數(shù)據(jù)進行分析需要首先解調(diào)出比特流數(shù)據(jù)，并逐層開展協(xié)議分析；

2) 協(xié)議特征位較短，數(shù)據(jù)中模式串不易被識別；協(xié)議長度可變，典型模式串識別方法不具優(yōu)勢；

3) 鏈路層協(xié)議兼容各種上層協(xié)議，空間數(shù)據(jù)各層具有緊密相關(guān)性，分析網(wǎng)絡(luò)層協(xié)議可獲取傳輸層協(xié)議類型，而分析鏈路層協(xié)議卻無法降低網(wǎng)絡(luò)層協(xié)議分析難度；

4) 數(shù)據(jù)量大，同一時段內(nèi)截獲的數(shù)據(jù)類型多樣，針對單一協(xié)議的識別效果不佳；業(yè)務需求大、種類多，衛(wèi)星通信技術(shù)以及協(xié)議更新速度快。

圖1 SCPS協(xié)議棧結(jié)構(gòu)

綜上，空間協(xié)議識別應根據(jù)協(xié)議棧結(jié)構(gòu)進行層次分析，分析可選取協(xié)議特征位作為識別基準點，參照協(xié)議結(jié)構(gòu)拆分數(shù)據(jù)進行分析，并在單層協(xié)議識別基礎(chǔ)上對多層協(xié)議開展分析。

3 基于BM算法的空間協(xié)議識別分析

將截獲數(shù)據(jù)存儲到一個字符數(shù)組，將協(xié)議特征轉(zhuǎn)化為特征模式串，可將協(xié)議識別歸結(jié)為模式串匹配[10,11]問題，通過對協(xié)議特征和數(shù)據(jù)進行逐位匹配，可分析出協(xié)議類型。BM 算法[2]是最具有代表性的模式串匹配算法，識別速度較快，執(zhí)行時間復雜度為O(n+σm)[12]，σ為模式串在數(shù)據(jù)中出現(xiàn)頻率相關(guān)變量，m、n分別為模式串、目標串長度。如果模式串頻繁出現(xiàn)，BM算法在查找階段時間復雜度可以表示為O(mn)，最好時間復雜度是O(n/m)。

圖2為應用BM算法對基于比特、英文字母字符集的匹配對比。易見，字符集{0，1}所生成的數(shù)據(jù)，每位出現(xiàn)0、1的概率為50%。應用BM算法進行模式串匹配時，在模式串跳進過程中遇到干擾項概率較高、跳進距離較短、誤判率較高、任意4bit出現(xiàn)模式串概率為6.25%。相比較而言，由字符集合{a～z}所生成的模式串，每項出現(xiàn)概率僅為3.8%，跳進過程中遇到干擾項概率較小，跳進距離也相對較大，誤判率較低，任意4bit出現(xiàn)模式串的概率約為0.000 207 9%。

圖2 應用BM算法對不同字符集的模式串匹配對比

為提高模式串匹配效率，現(xiàn)有研究大都著眼于改進BM算法的模式串跳進方式，研究者相繼提出了 QS[13]、RSPS[14]、Wu Manber和 SBOM[15](set backward Oracle matching)等算法。以SBOM算法為例，算法的預處理過程是根據(jù)所有模式串構(gòu)造匹配使用的Oracle結(jié)構(gòu)，以識別匹配窗口內(nèi)最長字串，其算法復雜度為p為命中密度，α為字符集大小。

通過對上述幾種算法進行對比分析不難發(fā)現(xiàn)：改進的BM算法在命中密度低（模式串較長、字符集較大[16]）情況下識別效率極高[17]，應用到漢字搜索等領(lǐng)域，可有效提高匹配效率。但隨命中密度的增大，上述算法的識別效率將急劇降低（在處理0、1數(shù)據(jù)時，字符集較小所以p極大，SBOM的復雜度約為O(mn)，接近于BM算法）。

總的來說，應用BM算法及其改進算法進行空間協(xié)議識別存在以下不足：模式串長度較短，字符集元素有限（只有0、1組成），模式串跳進和識別效率低下；即使增大模式串長度，將不可避免增多模式串中通配符數(shù)量，降低BM算法識別效率。

4 改進的空間協(xié)議識別算法

4.1 主要思想

為解決應用BM算法進行空間協(xié)議識別問題，我們提出了一種改進算法。通過對空間數(shù)據(jù)進行預處理，增大模式串字符集；然后改進模式串跳進規(guī)則，提高數(shù)據(jù)識別效率，形成數(shù)據(jù)分組；通過分組標識使用特定DFA匹配引擎，抑制DFA狀態(tài)數(shù)膨脹，實現(xiàn)單層協(xié)議識別；在此基礎(chǔ)上結(jié)合多層協(xié)議間關(guān)聯(lián)關(guān)系，縮小多層協(xié)議識別范圍，并調(diào)整匹配順序，提高多層協(xié)議識別效率和準確度。應用改進算法進行空間數(shù)據(jù)分析過程如圖3所示。

圖3 基于CRB算法的數(shù)據(jù)分析過程

4.2 基于比特距離的空間數(shù)據(jù)預處理

在協(xié)議識別前，常需先將數(shù)據(jù)轉(zhuǎn)換為比特流，基于比特流進行協(xié)議分析。由于信道誤碼等原因可造成部分比特數(shù)據(jù)誤碼，主要表現(xiàn)為2個方面：首先，數(shù)據(jù)內(nèi)容倒置，在這種情況下，如果直接將比特數(shù)據(jù)按照十六進制方式進行存儲，將1bit誤碼存儲后造成1byte誤碼，即誤碼放大，因此，基于軟件系統(tǒng)的協(xié)議分析，比特流中的每1bit通常按照字符（字節(jié)）進行存儲，文中稱為字節(jié)流；其次，數(shù)據(jù)首字符難于確定，通常的分析方式無法判斷數(shù)據(jù)起始位置，將造成大量錯誤分析，將BM算法同正則表達式方法結(jié)合起來可有效解決該問題。

傳統(tǒng)BM算法基于字符進行比對跳進，雖然能夠有效解決起始位置難于確定問題，但由于空間比特流轉(zhuǎn)換成的“0”和“1”字符較多，且由“0”和“1”組成的字符集數(shù)目較小，導致協(xié)議分析效率低下。為此，文中給出了一種計算相鄰比特距離的空間數(shù)據(jù)預處理算法。具體算法如下：選擇字符“1”為特征位，并記錄連續(xù)2個字符“1”之間的字符“0”的個數(shù)N，并將N以字節(jié)形式保存。該預處理算法可增大模式串字符集數(shù)量、提高字符跳進距離、降低數(shù)據(jù)分析時間復雜度。

圖4為應用BM算法對原始空間數(shù)據(jù)和預處理后數(shù)據(jù)進行識別的過程。對于16byte存儲的“0101000011011011”字節(jié)流，經(jīng)預處理后可轉(zhuǎn)換為 8byte“11401010”。

根據(jù)第3節(jié)，模式串頻繁出現(xiàn)時，查找階段時間復雜度O(mn)同目標串、模式串長度成正比。文中數(shù)據(jù)預處理算法可減小模式串長度m和目標串長度n，降低模式串匹配復雜度。數(shù)據(jù)查找階段復雜度可降低到O(mn/4)，預處理時間復雜度為O(n)（在長度為n數(shù)據(jù)中查找“1”所耗時間），整體時間復雜度為O(n+mn/4)，顯然O(n+mn/4)＜O(mn)，提出算法可加速數(shù)據(jù)分析效率。

由于 BM 算法效率同模式串字符集數(shù)量成反比，在空間數(shù)據(jù)識別過程中，傳統(tǒng)模式串字符集僅為“0”、“1”2種，單個跳進距離最多為 1，跳進次數(shù)等同于數(shù)據(jù)串長度。應用本節(jié)預處理算法，模式串字符集可擴展至“0到255”256種。當數(shù)據(jù)串字符為0時，跳進距離為1，等同于BM算法；而當數(shù)據(jù)串字符A大于0時，單次跳進距離為A+1。由圖4可知，應用BM算法模式串匹配的平均跳進距離為1，跳進次數(shù)為16，而應用本節(jié)預處理算法，平均跳進距離為 2，跳進次數(shù)為 8。易見提出算法增大了BM算法的跳進距離，減小了跳進次數(shù)，進而提高了識別效率。

4.3 基于小數(shù)跳進的模式串查找

在4.2節(jié)對空間數(shù)據(jù)預處理的基礎(chǔ)上，本節(jié)給出一種基于小數(shù)跳進機制的數(shù)據(jù)查找算法，可有效改進BM算法后綴轉(zhuǎn)移和不良字符轉(zhuǎn)移機制。

小數(shù)跳進機制基本思想如下：依據(jù)變換后數(shù)據(jù)內(nèi)在意義，即每比特代表變換前數(shù)據(jù)1的前后間隔比特數(shù)，將目標串自起始位置起往右一個模式串長度的字符與模式串最小值進行比較。如果模式串長度的字符小于模式串最小值，則應從目標串的下一比特開始新一輪匹配，相當于把模式串在目標串中向右滑過，即一次跳過“滑過距離”個字符，從而實現(xiàn)數(shù)據(jù)匹配的快速跳進。

算法1給出了基于小數(shù)跳進機制的數(shù)據(jù)查找算法，同BM算法一樣，文中小數(shù)跳進機制也采用從右向左逆向檢索匹配窗口。

算法1 基于小數(shù)跳進機制的數(shù)據(jù)查找算法

圖4 算法對比

輸入：預處理后數(shù)據(jù)串T, 模式串P

輸出：模式串匹配位置集合S

小數(shù)跳進機制正確性證明如下。

命題1 已知數(shù)據(jù)T長度L(T)和模式串P長度L(P)，在數(shù)據(jù)匹配過程中，模式串最小值min(P)，若Tx＜min(P)，數(shù)據(jù)T中下一個大于min(P)位置為Ts，則T從xbit開始的子串Tx-1+i（0＜i＜s-x）與模式串P不匹配，即?(Tx-1+i+k=Pk)。

證明 假設(shè)命題不成立，則Tx-1+i+k=Pk，0＜=k＜L(P)，即Tx+i+k-2還原數(shù)據(jù)所得值最后 1bit應為“1”，Tx-1+i+k最后1bit也為“1”，即2個“1”之間“0”的個數(shù)應為Tx-1+i+k個。

因為Tx-1+i+k=Pk，所以根據(jù)數(shù)據(jù)變換規(guī)則可知Pk-1之后下一個“1”所在位置應距離Pk-1為Tx-1+i+k位。同樣對模式串P進行逆變換后，可知Pk-1后下一個“1”所在位置應該距Pk-1為Pkbit，與Tx＜min(P)已知條件相矛盾，故假設(shè)不成立，命題結(jié)論成立。

4.4 基于正則表達式的單層空間協(xié)議識別

由第2節(jié)可知，空間數(shù)據(jù)串中查找到的標識比特并不一定為模式串特征比特。通過較短特征比特匹配方式查找數(shù)據(jù)可形成集合SN，而真正特征比特集合為ST，SN中元素數(shù)量應大于等于ST中元素數(shù)量，且ST∈SN式恒成立，所以需要通過規(guī)范限制方式減少SN數(shù)量，即在SN中查找真正特征位集合ST，文中基于正則表達式[18]DFA方法實現(xiàn)。

DFA方法卻受限于狀態(tài)數(shù)膨脹[19,20]問題，解決方法一般通過將規(guī)則集分成N組來實現(xiàn)[21]，但這樣會將處理速度降為原來的 1/N，增加存儲器所需帶寬，限制匹配速度提高。而應用文中改進算法，在對數(shù)據(jù)集進行整合的前提下，依據(jù)當前所處理子集，將相互之間導致狀態(tài)膨脹的正則表達式分在不同分組，在不影響匹配速度前提下可有效抑制DFA狀態(tài)數(shù)膨脹。通過對空間協(xié)議結(jié)構(gòu)進行分析，將空間數(shù)據(jù)類型歸納為4種，并用正則表達式進行規(guī)則判定，具體類型及分析方式如表1所示。

表1 數(shù)據(jù)類型及分析方式

4.5 基于層次關(guān)聯(lián)關(guān)系的協(xié)議選擇

單層協(xié)議識別完成后，可分析出單層使用協(xié)議、數(shù)據(jù)長度、源目的地址等參數(shù)。如果要進一步分析下層協(xié)議，一般做法是通過分析本層數(shù)據(jù)長度，跳轉(zhuǎn)到下層數(shù)據(jù)起始位置，逐層進行協(xié)議識別。設(shè)當前識別的底層協(xié)議包含m個協(xié)議，上層包含n個協(xié)議，在等概率的協(xié)議分析條件下，應用一般的協(xié)議分析模型，一共有mn個協(xié)議組合，需進行mn次協(xié)議分析判定。該方法忽略了本層協(xié)議往往規(guī)定、限制上層協(xié)議這一規(guī)則，導致識別效率低下。

事實上，協(xié)議上下層協(xié)議之間存在一定的關(guān)聯(lián)關(guān)系，論文通過分析這種關(guān)聯(lián)關(guān)系，并計算上層協(xié)議的出現(xiàn)概率，將上層協(xié)議分析次序進行了合理調(diào)整，減小了不必要的判定，進而降低了協(xié)議識別復雜度。如圖1所示，如果在網(wǎng)絡(luò)層使用“空間分組協(xié)議”，那么在傳輸層就不會使用 SCPS-TP、TCP或 UDP協(xié)議，進行傳輸層協(xié)議識別時就無需選取SCPS-TP等協(xié)議特征位，可在一定程度上提高識別效率。

基于該思想，給出了一種基于層次關(guān)系的協(xié)議選擇機制，根據(jù)已識別協(xié)議所兼容上層協(xié)議，縮小上層協(xié)議識別范圍，提高識別效率。算法在實現(xiàn)自底向上分層識別后，統(tǒng)計并記錄該層協(xié)議同上層協(xié)議關(guān)系，在大量數(shù)據(jù)樣本基礎(chǔ)上，對上層協(xié)議出現(xiàn)概率進行歸納，后續(xù)識別可根據(jù)歸納概率確定多層協(xié)議識別順序，提高識別效率?；趯哟侮P(guān)系的協(xié)議選擇機制算法如算法2所示。

算法2 基于層次關(guān)聯(lián)的協(xié)議選擇機制

輸入：變換后數(shù)據(jù)串T,某層協(xié)議C(Xi)

輸出：整條數(shù)據(jù)所使用的協(xié)議

r1、r2← 權(quán)重值

L← 模式串匹配起始位置

1) 如果現(xiàn)有的協(xié)議特征庫中有U(Xi+1)協(xié)議符合規(guī)則C(Xi).NextProtocol

2) 則把該協(xié)議視為已知協(xié)議

3) 本算法將提供基于臨近層協(xié)議權(quán)重比較的方式，將數(shù)據(jù)進行分類

4) 之后重新設(shè)置P(C(Xi-1)|C(Xi))、P(C(Xi+1)|C(Xi))、P(C(Xi+2)|C(Xi))的出現(xiàn)權(quán)重值r1、r2、r3。

5) 給出上層協(xié)議類型C(Xi+1).Pattern

6) 回到第1)步，進行下一輪比較

7) 如果現(xiàn)有的協(xié)議特征庫中沒有協(xié)議符合規(guī)則

8) 本算法將對臨近層協(xié)議的置信區(qū)間進行比較，將數(shù)據(jù)進行分類

9) 出現(xiàn)概率分別為P(C(Xi-1)|C(Xi))、P(C(Xi+1)|C(Xi))、P(C(Xi+2)|C(Xi))，而權(quán)重值分別為r1、r2、r3。如果對于未知協(xié)議C1(Xi)，同該未知協(xié)議集合中臨近協(xié)議相對比

10) 如果待分析的數(shù)據(jù)段∑rtP(C(Xk)| C(Xi)){其中，k∈(i-1、i+1、i+2),t∈(1、2、3)}較大

11) 更新臨近層協(xié)議的置信區(qū)間

12) 返回該未知協(xié)議C(Xk). Protocol的所屬類別

13) 將該類別進行歸納

14) 更新協(xié)議類別庫

15) 返回到第7)步，循環(huán)進行之后的識別

16) 反之

17) 判定該數(shù)據(jù)使用一種新協(xié)議

5 實驗結(jié)果與分析

在Windows 2000環(huán)境下，基于Visual C++6.0語言，設(shè)計實現(xiàn)了空間數(shù)據(jù)分析系統(tǒng)，可生成符合SCPS空間協(xié)議標準的數(shù)據(jù)流，并存入數(shù)據(jù)庫。此外，針對SCPS協(xié)議族，對幾種當前常用的網(wǎng)絡(luò)層、傳輸層、應用層協(xié)議特征進行了歸納，建立了相應的協(xié)議特征規(guī)則的正則表達式，并應用文中改進算法進行了大量的數(shù)據(jù)分析實驗。

5.1 單層空間協(xié)議識別實驗

實驗中，首先讀取待分析數(shù)據(jù)，應用 4.2節(jié)算法進行數(shù)據(jù)預處理，然后應用 4.3節(jié)小數(shù)跳進機制算法實現(xiàn)協(xié)議模式串的快速查找，實現(xiàn)單層協(xié)議識別。

圖5為應用4.3節(jié)方法同傳統(tǒng)BM算法識別空間數(shù)據(jù)的比較，可以看出，提出算法識別效率可提高至BM算法的2倍。

圖5 空間數(shù)據(jù)單層協(xié)議識別比較

由上可知，提出算法在規(guī)則復雜度較高，數(shù)據(jù)量較大的情況下，通過變換空間數(shù)據(jù)的方法有效減小了n、m，增大了跳進距離，解析單條數(shù)據(jù)復雜度為O(4y(mn/(4+α)+n) （y表示經(jīng)篩選后某一層可能的協(xié)議個數(shù)，y＜P，α與m中連續(xù)“1”出現(xiàn)的頻率有關(guān)）。

由式(1)可以得出：

式(2)成立。易見，對于單層協(xié)議識別，文中提出算法時間復雜度可降低到BM算法的(1+m/4)/m。

5.2 多層空間協(xié)議識別實驗

在單層空間協(xié)議識別基礎(chǔ)上，又應用4.5節(jié)算法對多層協(xié)議識別進行了實驗。

以SCPS協(xié)議族為例，傳輸層協(xié)議包括SCPSTP、TCP和UDP 3種典型協(xié)議，應用層包括CFDP、SCPS-FP和FTP 3種典型協(xié)議。圖6給出了衛(wèi)星網(wǎng)絡(luò)協(xié)議識別中，傳輸層和應用層協(xié)議的架構(gòu)及出現(xiàn)概率示例。按照單層的協(xié)議分析方法，識別由“SCPS-TP、CFDP”組成的一組數(shù)據(jù)，在最差的情況下，需要執(zhí)行3×3次協(xié)議分析。而應用文中算法，通過分析協(xié)議結(jié)構(gòu)和出現(xiàn)概率，首先計算出多層協(xié)議分析組合的優(yōu)先級。

圖6 空間數(shù)據(jù)多層協(xié)議識別比較

從表 2可知，應用本文方法，最優(yōu)僅需 1次、最差僅需7次協(xié)議分析，復雜度要低于傳統(tǒng)的9次分析。首先應用文中方法按照表2的優(yōu)先級順序進行了多次實驗，并在隨機的協(xié)議組合順序下進行了識別實驗，二者的結(jié)果比較如圖6所示。

可以看出提出算法根據(jù)相鄰層協(xié)議出現(xiàn)概率進行識別，可將多層空間協(xié)議識別效率提高2.5倍。

表2 協(xié)議組合優(yōu)先級

對于多層協(xié)議，設(shè)傳輸層協(xié)議為LT、應用層協(xié)議為LA，概率系數(shù)為β，提出算法的時間復雜度

6 結(jié)束語

空間協(xié)議分析是一個倍受關(guān)注的研究領(lǐng)域，本文在對SCPS協(xié)議族進行研究基礎(chǔ)上，提出了一種改進的空間協(xié)議算法。提出算法在空間數(shù)據(jù)預處理、數(shù)據(jù)查找跳進、多層協(xié)議識別方法進行了改進，在一定程度上解決了特征位難于區(qū)分和查找問題，提高了協(xié)議識別效率。

[1] 李雄偉. 網(wǎng)絡(luò)對抗系統(tǒng)及其關(guān)鍵技術(shù)研究[D]. 北京: 北京郵電大學,2003.LI X W. Research on Network Operation System and Key Technologies[D]. Beijing: Beijing University of Posts and Telecommunications,2003.

[2] BOYER R S, MOORE J S. A fast string searching algorithm[J]. Communications ACM, 1977, 20(10):762-772.

[3] CCSDS 311.0-M-1 Reference Architecture for Space Data Systems[S].Washington, DC, USA, 2008.

[4] CCSDS 130.0-G-2 Overview of Space Communications Protocols,Report Concerning Space Data System Standards[S]. Washington, DC,USA, 2007.

[5] CCSDS 211.0-B-4 Proximity-1 Space Link Protocol—Data Link Layer, Recommendation for Space Data System Standards[S]. Washington, DC, USA, 2006.

[6] CCSDS 713.0-B-1. Space Communications Protocol Specification(SCPS)-Network Protocol (SCPS-NP)[S]. Washington, DC, USA,1999.

[7] CCSDS 714. O-B-2. Space Communications Protocol Specification(SCPS)-Transport Protocol (SCPS-TP)[S]. Washington, DC, USA,2006.

[8] CCSDS 717.0-B-1 Space Communications Protocol Specification(SCPS)-File Protocol (SCPS-FP)[S]. Newport Beach, California, USA,1999.

[9] 許楓, 尤政. CCSDS空間通信協(xié)議及其與互聯(lián)網(wǎng)通信協(xié)議的比較[J] . 中國航天, 2007, (5): 26 - 29.XU F, YOU Z. CCSDS space communications protocol and its comparison with Internet protocols[J] . Aerospace China, 2007,(5): 26-29.

[10] HOOKE J .Evolutionary Paths to Internationally-standardized Space Internetworking[R] . AIAA , 2008. 2 - 9.

[11] 譚建龍. 串匹配算法及其在網(wǎng)絡(luò)內(nèi)容分析中的應用[D]. 北京：中國科學院研究生院, 2003.TAN J L. String Matching Algorithm and Application of Network Content Analysis[D]. Beijing: Graduate School of Chinese Academy of Sciences, 2003.

[12] RICHARD O D, PETER E H, DAVID G S. Pattern Classification[M].America: Library of Congress, 2000.

[13] SUNDAY D M. A very fast substring search algorithm[J]. Communications ACM , 1990, 33(8): 132-142.

[14] KAGHAZIAN L, MCLEOD D, SADRI R. Scalable complex pattern search in sequential data[A]. Proceedings of the 17thACM Conference on Information and Knowledge Management[C]. Napa valley California, 2008. 1467-1468.

[15] 范洪博, 姚念民. 一種高速精確單模式串匹配算法[J]. 計算機研究與發(fā)展, 2009, 46(8): 1341-1348.FAN H B, YAO X M. A fast and exact single pattern matching algorithm[J]. Journal of Computer Research and Development, 2009, 46(8):1341-1348.

[16] CROCHEMORE M, ALLAUZEN C, RAFFINOT M. Factor oracle:a new structure for pattern matching[A]. Proceedings of the 26th Conference on Current Trends in Theory and Practice of Informatics[C].London, UK, 1999.291-306.

[17] 劉萍, 劉燕兵, 郭莉等. 串匹配算法中模式串與文本之間關(guān)系的研究[J]. 軟件學報, 2010, 21(7):1503-1514.LIU P, LIU Y B, GUO L,et al. Research on relationship between patterns and text in string matching algorithms[J]. Journal of Software,2010, 21(7):1503-1514.

[18] 范慧萍. 基于正則表達式的協(xié)議識別研究與實現(xiàn)[D]. 長沙：國防科學技術(shù)大學研究生院, 2007.FAN H P. Research and Realization of High Speed Protocol Identification Based on Regular Expression[D]. Changsha: Graduate School of National University of Defense Technology, 2007.

[19] 陳曙暉, 蘇金樹, 范慧萍等．一種基于深度報文檢測的 FSM 狀態(tài)表壓縮技術(shù)[J]. 計算機研究與發(fā)展, 2008, 45(8): 1299-1306.CHEN S H, SU J S, FAN H P,et al．An FSM state table compressing method based on deep packet inspection[J]. Journal of Computer Research and Development, 2008, 45(8): 1299-1306．

[20] 楊毅夫, 劉燕兵, 劉萍等. 正則表達式的 DFA 壓縮算法[J]. 通信學報, 2009, 30(10A): 36-41.YANG Y F, LIU Y B, LIU P,et al. Effective algorithm of compressing regular expressions' DFA[J]. Journal on Communications, 2009,30(10A): 36-41.

[21] FANG Y, CHEN Z F, DIAO Y L,et al, Fast and memory-efficient regular expression matching for deep packet inspection[A]. ANCS’06:Proceedings of the 2006 ACM/IEEE Symposium on Architecture for Networking and Communications Systems[C]. New York, NY, USA,2006.93-102.