URL di hashing

Panoramica

Gli elenchi di Web Risk sono costituiti da hash SHA256 di lunghezza variabile. Per maggiori dettagli, vedi Contenuti dell'elenco. Per controllare un URL rispetto a un elenco Web Risk, localmente o sul server, i client devono prima calcolare il prefisso hash dell'URL.

Per calcolare il prefisso hash di un URL:

  1. Canonicalizza l'URL come descritto in Canonicalizzazione.
  2. Crea le espressioni di suffisso/prefisso per l'URL come descritto in Espressioni di suffisso/prefisso.
  3. Calcola l'hash completo per ogni espressione di suffisso/prefisso come descritto in Calcoli hash.
  4. Calcola il prefisso hash per ogni hash completo, come descritto in Calcoli del prefisso hash.

Tieni presente che questi passaggi rispecchiano la procedura utilizzata dal server Web Risk per gestire gli elenchi Web Risk.

Canonicalizzazione

Per iniziare, supponiamo che il client abbia analizzato l'URL e lo abbia reso valido in conformità con RFC 2396. Se l'URL utilizza un nome di dominio internazionalizzato (IDN), il client deve convertire l'URL nella rappresentazione ASCII Punycode. L'URL deve includere un componente percorso, ovvero deve avere una barra iniziale (http://google.com/).

Innanzitutto, rimuovi i caratteri di tabulazione (0x09), CR (0x0d) e LF (0x0a) dall'URL. Non rimuovere le sequenze di escape per questi caratteri, ad esempio %0a.

In secondo luogo, se l'URL termina con un frammento, rimuovilo. Ad esempio, abbrevia http://google.com/#frag in http://google.com/.

Terzo, rimuovi ripetutamente gli escape in percentuale dall'URL finché non ne contiene più.

Per canonicalizzare il nome host

Estrai il nome host dall'URL e poi:

  1. Rimuovi tutti i punti iniziali e finali.
  2. Sostituisci i punti consecutivi con un singolo punto.
  3. Se il nome host può essere analizzato come indirizzo IP, normalizzalo in 4 valori decimali separati da punti. Il client deve gestire qualsiasi codifica dell'indirizzo IP legale, inclusi ottale, esadecimale e meno di quattro componenti.
  4. Scrivi l'intera stringa in minuscolo.

Per canonicalizzare il percorso

  1. Risolvi le sequenze /../ e /./ nel percorso sostituendo /./ con / e rimuovendo /../ insieme al componente del percorso precedente.
  2. Sostituisci le sequenze di barre consecutive con un unico carattere barra.

Non applicare queste canonicalizzazioni del percorso ai parametri di ricerca.

Nell'URL, esegui l'escape percentuale di tutti i caratteri <= ASCII 32, >= 127, # o %. Le sequenze di escape devono utilizzare caratteri esadecimali maiuscoli.

Di seguito sono riportati i test per convalidare un'implementazione della canonizzazione.

Canonicalize("http://host/%25%32%35") = "http://host/%25";
Canonicalize("http://host/%25%32%35%25%32%35") = "http://host/%25%25";
Canonicalize("http://host/%2525252525252525") = "http://host/%25";
Canonicalize("http://host/asdf%25%32%35asd") = "http://host/asdf%25asd";
Canonicalize("http://host/%%%25%32%35asd%%") = "http://host/%25%25%25asd%25%25";
Canonicalize("http://www.google.com/") = "http://www.google.com/";
Canonicalize("http://%31%36%38%2e%31%38%38%2e%39%39%2e%32%36/%2E%73%65%63%75%72%65/%77%77%77%2E%65%62%61%79%2E%63%6F%6D/") = "http://168.188.99.26/.secure/www.ebay.com/";
Canonicalize("http://195.127.0.11/uploads/%20%20%20%20/.verify/.eBaysecure=updateuserdataxplimnbqmn-xplmvalidateinfoswqpcmlx=hgplmcx/") = "http://195.127.0.11/uploads/%20%20%20%20/.verify/.eBaysecure=updateuserdataxplimnbqmn-xplmvalidateinfoswqpcmlx=hgplmcx/";
Canonicalize("http://host%23.com/%257Ea%2521b%2540c%2523d%2524e%25f%255E00%252611%252A22%252833%252944_55%252B") = "http://host%23.com/~a!b@c%23d$e%25f^00&11*22(33)44_55+";
Canonicalize("http://3279880203/blah") = "http://195.127.0.11/blah";
Canonicalize("http://www.google.com/blah/..") = "http://www.google.com/";
Canonicalize("www.google.com/") = "http://www.google.com/";
Canonicalize("www.google.com") = "http://www.google.com/";
Canonicalize("http://www.evil.com/blah#frag") = "http://www.evil.com/blah";
Canonicalize("http://www.GOOgle.com/") = "http://www.google.com/";
Canonicalize("http://www.google.com.../") = "http://www.google.com/";
Canonicalize("http://www.google.com/foo\tbar\rbaz\n2") ="http://www.google.com/foobarbaz2";
Canonicalize("http://www.google.com/q?") = "http://www.google.com/q?";
Canonicalize("http://www.google.com/q?r?") = "http://www.google.com/q?r?";
Canonicalize("http://www.google.com/q?r?s") = "http://www.google.com/q?r?s";
Canonicalize("http://evil.com/foo#bar#baz") = "http://evil.com/foo";
Canonicalize("http://evil.com/foo;") = "http://evil.com/foo;";
Canonicalize("http://evil.com/foo?bar;") = "http://evil.com/foo?bar;";
Canonicalize("http://\x01\x80.com/") = "http://%01%80.com/";
Canonicalize("http://notrailingslash.com") = "http://notrailingslash.com/";
Canonicalize("http://www.gotaport.com:1234/") = "http://www.gotaport.com/";
Canonicalize("  http://www.google.com/  ") = "http://www.google.com/";
Canonicalize("http:// leadingspace.com/") = "http://%20leadingspace.com/";
Canonicalize("http://%20leadingspace.com/") = "http://%20leadingspace.com/";
Canonicalize("%20leadingspace.com/") = "http://%20leadingspace.com/";
Canonicalize("https://www.securesite.com/") = "https://www.securesite.com/";
Canonicalize("http://host.com/ab%23cd") = "http://host.com/ab%23cd";
Canonicalize("http://host.com//twoslashes?more//slashes") = "http://host.com/twoslashes?more//slashes";

Espressioni di suffisso/prefisso

Dopo aver canonizzato l'URL, il passaggio successivo consiste nel creare le espressioni di suffisso/prefisso. Ogni espressione di suffisso/prefisso è costituita da un suffisso host (o host completo) e da un prefisso del percorso (o percorso completo), come mostrato in questi esempi.

Espressione suffisso/prefisso Espressione regolare equivalente
a.b/mypath/ http\:\/\/.*\.a\.b\/mypath\/.*
c.d/full/path.html?myparam=a http\:\/\/.*.c\.d\/full\/path\.html?myparam=a

Il client formerà fino a 30 diverse combinazioni di suffisso host e prefisso percorso. Queste combinazioni utilizzano solo i componenti host e percorso dell'URL. Lo schema, il nome utente, la password e la porta vengono eliminati. Se l'URL include parametri di ricerca, almeno una combinazione includerà il percorso completo e i parametri di ricerca.

Per l'host, il client proverà al massimo cinque stringhe diverse. Questi sono:

  • Il nome host esatto nell'URL.
  • Fino a quattro nomi host formati iniziando con gli ultimi cinque componenti e rimuovendo successivamente il componente iniziale. Il dominio di primo livello può essere ignorato. Questi nomi host aggiuntivi non devono essere controllati se l'host è un indirizzo IP.

Per il percorso, il client proverà al massimo sei stringhe diverse. Questi sono:

  • Il percorso esatto dell'URL, inclusi parametri di ricerca.
  • Il percorso esatto dell'URL, senza parametri di ricerca.
  • I quattro percorsi formati partendo dalla radice (/) e aggiungendo successivamente i componenti del percorso, inclusa una barra finale.

I seguenti esempi illustrano il comportamento del controllo:

Per l'URL http://a.b.c/1/2.html?param=1, il client proverà queste possibili stringhe:

a.b.c/1/2.html?param=1
a.b.c/1/2.html
a.b.c/
a.b.c/1/
b.c/1/2.html?param=1
b.c/1/2.html
b.c/
b.c/1/

Per l'URL http://a.b.c.d.e.f.g/1.html, il client proverà queste possibili stringhe:

a.b.c.d.e.f.g/1.html
a.b.c.d.e.f.g/
(Note: skip b.c.d.e.f.g, since we'll take only the last five hostname components, and the full hostname)
c.d.e.f.g/1.html
c.d.e.f.g/
d.e.f.g/1.html
d.e.f.g/
e.f.g/1.html
e.f.g/
f.g/1.html
f.g/

Per l'URL http://1.2.3.4/1/, il client proverà le seguenti possibili stringhe:

1.2.3.4/1/
1.2.3.4/

Calcoli hash

Dopo aver creato il set di espressioni di suffisso/prefisso, il passaggio successivo consiste nel calcolare l'hash SHA256 completo per ogni espressione. Di seguito è riportato un test delle unità in pseudo-C che puoi utilizzare per convalidare i calcoli dell'hash.

Esempi tratti da FIPS-180-2:

// Example B1 from FIPS-180-2
string input1 = "abc";
string output1 = TruncatedSha256Prefix(input1, 32);
int expected1[] = { 0xba, 0x78, 0x16, 0xbf };
assert(output1.size() == 4);  // 4 bytes == 32 bits
for (int i = 0; i < output1.size(); i++) assert(output1[i] == expected1[i]);

// Example B2 from FIPS-180-2
string input2 = "abcdbcdecdefdefgefghfghighijhijkijkljklmklmnlmnomnopnopq";
string output2 = TruncatedSha256Prefix(input2, 48);
int expected2[] = { 0x24, 0x8d, 0x6a, 0x61, 0xd2, 0x06 };
assert(output2.size() == 6);
for (int i = 0; i < output2.size(); i++) assert(output2[i] == expected2[i]);

// Example B3 from FIPS-180-2
string input3(1000000, 'a');  // 'a' repeated a million times
string output3 = TruncatedSha256Prefix(input3, 96);
int expected3[] = { 0xcd, 0xc7, 0x6e, 0x5c, 0x99, 0x14, 0xfb, 0x92,
                    0x81, 0xa1, 0xc7, 0xe2 };
assert(output3.size() == 12);
for (int i = 0; i < output3.size(); i++) assert(output3[i] == expected3[i]);

Calcoli del prefisso hash

Infine, il client deve calcolare il prefisso hash per ogni hash SHA256 completo. Per Web Risk, un prefisso hash è costituito dai 4-32 byte più significativi di un hash SHA256.

Esempi tratti da FIPS-180-2:

  • Esempio B1 da FIPS-180-2
    • L'input è "abc".
    • Il digest SHA256 è ba7816bf 8f01cfea 414140de 5dae2223 b00361a3 96177a9c b410ff61 f20015ad.
    • Il prefisso hash a 32 bit è ba7816bf.
  • Esempio B2 da FIPS-180-2
    • L'input è abcdbcdecdefdefgefghfghighijhijkijkljklmklmnlmnomnopnopq.
    • Il digest SHA256 è 248d6a61 d20638b8 e5c02693 0c3e6039 a33ce459 64ff2167 f6ecedd4 19db06c1.
    • Il prefisso hash a 48 bit è 248d6a61 d206.