随着互联网的飞速发展,以及云技术和大数据在这几年被越来越多的大公司所关注,人们开始享受这些新兴技术带来的便捷的同时也遭受着无孔不入的网络入侵行为。网络安全已经成为关乎你我彼此切身利益的重要课题。Snort凭借着其C语言特性,轻量级,开源等特性,被越来越多的人所使用。如何更好的组织Snort指纹规则库,是开发者所关注的焦点。而如何更快的发现网络入侵行为,则是用户所关心的问题。尤其是应用于终端,其数据包的匹配速度决定了其性能优劣,成为了其成败的关键。由于本框架是基于硬件实现的,所以对匹配速率以及存储空间提出了更高的要求,本文的工作重点为在不影响匹配速率以及命中率的情况下如何获取更低的冲突率。针对该问题,本文的工作主要如下:本框架对冲突率以及哈希表的空间大小有着极其严格的要求,并且所需映射的数据集是动态的,加之考虑到原有哈希函数的不足,本文设计出一种新的哈希函数。针对不同的数据集,该函数会以数字统计法对数据进行预处理,同时该哈希函数映射后的空间也将保持在较小空间。从经典哈希函数获得启发,该函数在设计的过程中充分考虑到稳定性问题,是一个好的哈希函数。本框架原有的冲突处理是针对特定的数据集,虽然获得了较低的冲突率,但却是在牺牲数据包的命中率的前提下达成的,而且其方法本身采用的是一种试探性的方法,稳定性较差。本文从冲突的本质出发,考虑如何从根源上杜绝冲突的产生,从而设计出了一个新的冲突处理方法。同时该方法采用二级哈希的结构,降低了DFA与指纹特征之间的耦合度,从而进一步降低冲突率。最后实验结果证明,在不影响命中率的情况下,新的哈希函数以及冲突处理方法可以将冲突率降低到1.72‰。