RobustBF：一种高精度且内存高效的二维布隆过滤器

布隆过滤器是一种重要的概率数据结构，用于降低成员过滤器的内存消耗。它应用于计算机网络、网络安全与隐私、物联网、边缘计算、云计算、大数据以及生物特征识别等多个领域。但布隆过滤器存在假阳性概率的问题。为解决该问题，我们提出一种新型鲁棒布隆过滤器，简称 robustBF。robustBF 是一种二维布隆过滤器，能够以高精度过滤数百万数据而不牺牲性能。我们提出的系统分为两部分。首先，我们改进 murmur 哈希函数，并测试所有改进后的哈希函数以寻求提升，通过实验选出最优改进哈希函数。其次，我们将改进后的哈希函数嵌入二维布隆过滤器。我们的实验结果表明，robustBF 在各方面均优于标准布隆过滤器与计数布隆过滤器。robustBF 表现出近乎零的假阳性概率，且内存消耗分别比标准布隆过滤器和计数布隆过滤器低 $10\times$ 以上和 $44\times$。