优化字节数组简单模式匹配

Question

作为练习，我不得不在字节数组中寻找某个字节模式，这很容易，但是我想知道代码是否可以简化甚至优化：

package anti_virus;

import java.nio.file.Files;
import java.nio.file.Paths;

public class Main {

    public static void main(String[] args) throws Exception {
        byte[] virus = Files.readAllBytes(Paths.get("C:/Users/Nick/Desktop/Uni/infected.com"));

        byte[] payload = new byte[]{0x56, 0x69, 0x72, 0x75, 0x73, (byte)0xB4, 0x40, (byte) 0xBB, 0x01,
                0x00, (byte) 0xB9, 0x05, 0x00, (byte) 0xBA, 0x0, 0x0, (byte) 0xCD, 0x21};

        // payload[14] and payload[14] have varying values

        for (int i = 0; i < virus.length; i++) {
            if ((virus[i] == payload[0]) && (virus[i+1] == payload[1]) && (virus[i+2] == payload[2]) &&
                (virus[i+3] == payload[3]) && (virus[i+4] == payload[4]) && (virus[i+5] == payload[5]) &&
                (virus[i+6] == payload[6]) && (virus[i+7] == payload[7]) && (virus[i+8] == payload[8]) &&
                (virus[i+9] == payload[9]) && (virus[i+10] == payload[10]) && (virus[i+11] == payload[11]) &&
                (virus[i+12] == payload[12]) && (virus[i+13] == payload[13]) && (virus[i+16] == payload[16]) &&
                (virus[i+17] == payload[17])) {
                  System.out.println("This file is probably a Virus!");
                  return;
            }
        }

        System.out.println("This file is no Virus.");
    }
}

Answer 1

是的，可以对其进行简化/优化：

• 您可以使用KMP算法 （前14个字节）。 该算法在O(payload.length + virus.length)运行以获取任意payload而不是O(payload.length * virus.length) 。 （您的代码比O(payload.length * virus.length)效率更高，这仅出于一个原因： 0x56仅作为数组的第一个元素出现）
• 即使您选择保留算法，我也会使用循环来使代码更短，更易读。 我还将在循环中修复ArrayIndexOutOfBoundsException的源（您可以访问virus阵列的索引i, ..., i+13, i+16, i+17 ，并且循环条件允许i变得像virus.length-1一样大virus.length-1 ）。

Answer 2

您的代码相当不错，它在6 MB的非病毒文件上给出了21毫秒的合理时间。 但是我发现最好对前14个字节做一些预循环。 此外，您必须注意结尾字节。

begin = System.currentTimeMillis();
for (i = 0; i < virus.length-payload.length; i++) {
    for (j = 0; j < 14; j++) {
        // payload[14] and payload[15] have varying values
        if (virus[i+j] != payload[j]) {
            bFound = false;
            break;
        }
    }
    if ((bFound) && (virus[i+16] == payload[16]) && (virus[i+17] == payload[17])) {
        end = System.currentTimeMillis();
        System.out.println("time : "+(end-begin)+" ms");
        System.out.println("This file is probably a Virus!");
        return;
    }
}
end = System.currentTimeMillis();
System.out.println("time : "+(end-begin)+" ms");
System.out.println("This file is not a Virus.");

最初的最佳时间是合理的14毫秒（-33％的CPU）。

如果您可以负担得起作为整数读取文件的另一项优化，则是一次进行广泛的比较（4个字节）。 您还应该将有效负载填充到4的倍数。

begin = System.currentTimeMillis();
for (i = 0; i < virusInt.length-payloadInt.length; i++) {
    if ((virusInt[i] == payloadInt[0]) && 
        (virusInt[i+1] == payloadInt[1]) && 
        (virusInt[i+2] == payloadInt[2]) &&
        ((virusInt[i+3]&0xFFFF0000) == payloadInt[3]) && 
        ((virusInt[i+4]&0xFFFF0000) == payloadInt[4])) {
           end = System.currentTimeMillis();
           System.out.println("time : "+(end-begin)+" ms");
           System.out.println("This file is probably a Virus!");
           return;
       }
}
end = System.currentTimeMillis();
System.out.println("time : "+(end-begin)+" ms");
System.out.println("This file is not a Virus.");

这给了我一个更合理的2毫秒（-90％的CPU）。 当然，我不计算转换为int数组的时间，因为我假设您将其加载为int数组，而您的有效负载也是int数组。 我没有尝试很长时间（在JAVA中是64位），但是可能会更快一些。

Answer 3

这样的事情会检查数组中任何地方的签名，尽管它尚未经过全面测试

public static void main(String[] args) throws Exception {
    byte[] virus = FileUtil.readBytes(new File("c:/x.txt"));
    byte[] payload = "def".getBytes();

    for (int i = 0; i < virus.length; i++) {
        if ((i + payload.length) <= virus.length) {
            boolean found = true;
            for (int j = 0; j < payload.length; j++) {
                if (virus[i + j] != payload[j]) {
                    found = false;
                    break;
                }
            }

            if (found) {
                System.out.println("This file is probably a Virus!");
                return;
            }
        } else {
            break;
        }
    }

    System.out.println("This file is no Virus.");
}

Answer 4

（在这里，我假设病毒是病毒签名，并且可以加载任何数据。看到您的代码可能是错误的。）

必须将paylöadIndex的有效负载数组移到[0，payload.length-virus.length]（！）中，然后在每一步中使用forvIndex重新检查病毒数组。

问题解决策略。 想想如何在纸上做。 您需要将病毒阵列移到有效负载阵列上。