对于此类算法，建议您研究生物信息学领域。这里有一个类似的问题设置，因为您有大文件（基因组序列），在其中要寻找某些签名（基因，特殊的众所周知的短碱基序列等）。
同样，考虑到多态恶意软件，该领域应为您提供很多服务，因为在生物学上，获得精确匹配似乎同样困难。（不幸的是，我不知道有合适的近似搜索/匹配算法可以指向您。）
这个方向的一个例子是改编Aho
Corasick算法之类的东西，以便同时搜索多个恶意软件签名。
类似地，像Boyer
Moore算法之类的算法为您提供了绝佳的搜索运行时间，尤其是对于较长的序列（对于大小为N的文本，您在其中寻找大小为M的模式即次线性搜索时间的O（N
/ M）的平均情况）。
