朱玲玉，王旌舟，陈庆春

0 引 言

模式匹配在网络入侵检测、生物序列数据库比对（DNA）、信息检索、生物计量学等领域得到了广泛应用。模式匹配按同时匹配模式串的个数，分为单模式匹配和多模式匹配，其中KMP[1]、BM[2]为经典单模式匹配，AC[3]、WM[4]算法为经典多模式匹配。每种模式匹配算法都有其最优、最坏匹配复杂度，针对不同模式串的类型，其算法各有优点。

随着信息时代和大数据时代的快速发展，网络安全监管快速兴起，网络空间安全成为了热点。PDF是Portable Document Format（便携文件格式）的缩写，是全世界电子版文档分发的公开实用标准。作为一种通用文件格式，PDF能够保存任何源文档的所有字体、格式、颜色和图形，而不关心创建该文档使用的应用程序和平台。网络中越来越多的文件开始倾向于采用PDF这一主流的文本保存格式。随着PDF文档的广泛使用，PDF文件内容的保密性和安全性问题日益凸显。本文结合PDF文件格式及其编码规则，分析研究BM、QS[5]算法，并分析了一类适用于PDF文件的高效匹配算法，以支持涉密PDF文件内容的高效管控应用。

1 PDF文件格式及编码规则

PDF文档是8 bit字节序，以二进制流保存。深入理解PDF文件的格式，需从其对象、文件结构（逻辑结构）、文档结构（物理结构）、内容流和编码4方面理解[6]。

PDF文件实质由一系列对象构成，这些对象分别有8种基本数据类型，即逻辑对象、名字对象、字典对象、字符串对象、流对象、数组对象、数值对象和空对象。这些基本数据类型的对象是直接对象，可被标识，以便作为间接对象被其他对象引用。……