针对现有高速、大容量、多域报文分类算法普遍存在内存使用量大的问题，提出一种改进的HyperSplit多域报文分类算法。通过分析现有算法内存使用量大的原因，修正和设计选择分割维度与分割点、去除冗余结构的启发式算法，最大限度减少决策树中的复制规则数量，消除决策树中存在的冗余规则和冗余节点，优化决策树结构。仿真结果表明，该算法与现有多域报文分类算法相比，不依赖于规则集类型和特征，在保证内存访问次数不增加、报文得到线速处理的情况下，可降低算法的内存使用量，当规则集容量为105时，内存使用量降低到HyperSpli
