一种基于学习索引的快速且精确的包分类方法

本发明提供一种基于学习索引的快速且精确的包分类方法，将全局规则集划分为多个规则子集，对每个子集的键值序列基于线性拟合误差动态划分分布趋势相似的分段；将各分段线性模型的浮点斜率参数和浮点截距参数编码为底数‑指数形式的整数对，构建支持纯整数运算的轻量级预测模型；在接收待分类数据包时，各规则子集内所有分段模型并行执行预测，输出目标分段关联的紧凑规则组索引；基于索引并行检索各分段关联的规则组，从所有规则组匹配结果中选取最高优先级规则完成数据包分类。