2、RobustBF: 高准确性和内存高效的二维布隆过滤器

RobustBF: 高准确性和内存高效的二维布隆过滤器

1. 引言

布隆过滤器（Bloom Filter）是一种概率型数据结构，因其极小的内存占用和高效的查询性能而在多个领域得到广泛应用，如计算机网络、网络安全、物联网、大数据、云计算、生物识别学和生物信息学。尽管有不同版本的布隆过滤器，但它们通常无法在不牺牲查询性能的情况下提供高准确率和低内存占用。为了解决这些问题，我们提出了一种新颖的布隆过滤器——robustBF，旨在降低误报概率和内存占用。

robustBF是一种二维布隆过滤器，通过修改Murmur哈希函数来获得更好的性能。以下是robustBF的主要优势：

• 高速性能 ：在插入1000万个数据项时，robustBF的速度比标准布隆过滤器（SBF）快2038倍，比计数布隆过滤器（CBF）快448倍。
• 低内存消耗 ：robustBF平均比SBF少使用10.40倍内存，比CBF少使用44.01倍内存。
• 高准确性 ：在期望的假阳性概率设置为0.001的情况下，robustBF的假阳性概率几乎为零，内存消耗较低，准确性接近100%。

2. 初步概念

布隆过滤器是一种成员过滤器，它能够使用极少量的内存来过滤大量数据项。布隆过滤器不是完整的系统，而是作为系统性能的增强工具，广泛应用于网络、安全、大数据、生物信息学等多个领域。它通过多个哈希函数将数据映射到位数组中，从而实现高效的插入和查询操作。

布隆过滤器的主要特点包括：
- <