URL のハッシュ化

概要

Web Risk リストは、可変長の SHA256 ハッシュで構成されています。詳しくは、リストの内容をご覧ください。URL をローカルまたはサーバー上で Web Risk リストと照合するには、クライアントはまずその URL のハッシュプレフィックスを計算する必要があります。

URL のハッシュプレフィックスを計算するには、次の手順に従います。

正規化の説明に従って、URL を正規化します。
サフィックス / プレフィックス式の説明に従って、URL のサフィックス / プレフィックス式を作成します。
ハッシュの計算で説明されているように、各サフィックス / プレフィックス式のフルレングスのハッシュを計算します。
ハッシュプレフィックスの計算の説明に従って、各ハッシュのフルレングスのハッシュプレフィックスを計算します。

これらの手順は、Web Risk サーバーが Web Risk リストを管理するために使用するプロセスと同じです。

正規化

まず、クライアントが URL を解析し、RFC 2396 に従って有効にしていることを前提としています。URL で国際化ドメイン名（IDN）を使用している場合、クライアントは URL を ASCII Punycode 表記に変換する必要があります。URL にはパスコンポーネントを含める必要があります。つまり、先頭にスラッシュ（http://google.com/）が必要です。

まず、URL からタブ（0x09）、CR（0x0d）、LF（0x0a）を削除します。これらの文字のエスケープシーケンス（%0aなど）は削除しないでください。

2 つ目は、URL の末尾がフラグメントになっている場合は、フラグメントを削除します。たとえば、http://google.com/#frag を http://google.com/ に短縮します。

3 つ目に、パーセントエスケープがなくなるまで繰り返して、URL からパーセントエスケープを削除します。

ホスト名を正規化するには

URL からホスト名を抽出し、次の操作を行います。

先頭と末尾のドットをすべて削除する。
連続するドットを 1 つのドットに置き換える。
ホスト名を IP アドレスとして解析できる場合は、4 つのドット区切りの 10 進数値に正規化する。クライアントは、8 進数、16 進数、4 つ未満のコンポーネントなど、有効な IP アドレスエンコードを処理する必要があります。
文字列全体を小文字にする。

パスを正規化するには

パス内のシーケンス /../ と /./ を解決するには、/./ を / に置き換え、/../ を前のパスコンポーネントとともに削除します。
連続するスラッシュの実行は単一のスラッシュ文字に置き換えます。

これらのパスの正規化をクエリパラメータに適用しないでください。

URL 内で、ASCII 32 以下、127 以上、#、% のすべての文字をパーセントエスケープします。エスケープには大文字の 16 進数を使用する必要があります。

正規化の実装を検証するためのテストを以下に示します。

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";

サフィックス / プレフィックス式

URL が正規化されたら、次のステップはサフィックス / プレフィックス式の作成です。各サフィックス / プレフィックス式は、次の例に示すように、ホストサフィックス（または完全なホスト）とパスプレフィックス（または完全なパス）で構成されます。

サフィックス / プレフィックス式	同等の正規表現
`a.b/mypath/`	`http\:\/\/.\.a\.b\/mypath\/.`
`c.d/full/path.html?myparam=a`	`http\:\/\/.*.c\.d\/full\/path\.html?myparam=a`

クライアントは、最大で 30 個の異なるホストサフィックスとパスプレフィックスの組み合わせを形成します。これらの組み合わせでは、URL のホストとパスコンポーネントのみが使用されます。スキーム、ユーザー名、パスワード、ポートは破棄されます。URL にクエリパラメータが含まれている場合、少なくとも 1 つの組み合わせに完全なパスとクエリパラメータが含まれます。

ホストの場合、クライアントは最大で 5 つの異なる文字列を試行します。それらは次のとおりです。

URL の正確なホスト名。
最後の 5 つのコンポーネントで始まり、先頭のコンポーネントを続けて削除することで形成される 4 つのホスト名。トップレベルドメインはスキップできます。ホストが IP アドレスの場合は、これらの追加ホスト名をチェックしないでください。

パスの場合、クライアントは最大で 6 つの異なる文字列を試行します。それらは次のとおりです。

クエリパラメータを含む URL の正確なパス。
クエリパラメータなしの URL の正確なパス。
ルート（/）から始まり、末尾のスラッシュを含むパスコンポーネントを連続して追加することによって形成される 4 つのパス。

次の例では、チェックの動作を示します。

URL http://a.b.c/1/2.html?param=1 の場合、クライアントは次の文字列の候補を試行します。

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/

URL http://a.b.c.d.e.f.g/1.html の場合、クライアントは次の文字列の候補を試行します。

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/

URL http://1.2.3.4/1/ の場合、クライアントは次の文字列の候補を試行します。

1.2.3.4/1/
1.2.3.4/

ハッシュの計算

サフィックス / プレフィックス式のセットが作成されたら、次のステップは各式の完全な SHA256 ハッシュの計算です。ハッシュの計算の検証に使用できる疑似 C の単体テストを以下に示します。

FIPS-180-2 の例。

// 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]);

ハッシュプレフィックスの計算

最後に、クライアントは SHA256 ハッシュ全体のハッシュプレフィックスを計算する必要があります。Web Risk の場合、ハッシュプレフィックスは SHA256 ハッシュの最上位 4〜32 バイトで構成されます。