URL di hashing

Panoramica

Gli elenchi Web Risk sono costituiti da hash SHA256 di lunghezza variabile. Per maggiori dettagli, consulta la pagina Elencare i contenuti. Per controllare un URL rispetto a un elenco Web Risk, localmente o sul server, i client devono prima calcolare il prefisso hash di quell'URL.

Per calcolare il prefisso hash di un URL, procedi nel seguente modo:

  1. Canonicalizzare 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 nella sezione Calcolo dell'hash.
  4. Calcola il prefisso hash per ogni hash completo, come descritto in Calcolo dei prefissi hash.

Tieni presente che questi passaggi riflettono il processo utilizzato dal server Web Risk per gestire gli elenchi Web Risk.

Canonizzazione

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

Innanzitutto, rimuovi i caratteri delle schede (0x09), delle RP (0x0d) e LF (0x0a) dall'URL. Non rimuovere le sequenze di escape per questi caratteri, come %0a.

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

Il terzo è rimuovere ripetutamente l'escape delle percentuali dall'URL fino a quando non ne contiene altre.

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 con quattro valori decimali separati da punti. Il client deve gestire qualsiasi codifica legale degli indirizzi IP, inclusi ottale, esadecimale e meno di quattro componenti.
  4. Usa l'intera stringa in lettere minuscole.

Per canonicalizzare il percorso

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

Non applicare queste canonicalizzazioni dei percorsi ai parametri di ricerca.

Nell'URL, inserisci una percentuale di escape per tutti i caratteri <= ASCII 32, >= 127, # o %. I caratteri di escape devono utilizzare caratteri esadecimali maiuscole.

Di seguito sono riportati i test utili per convalidare un'implementazione di canonicalizzazione.

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 suffisso/prefisso

Dopo aver canonicalizzato l'URL, il passaggio successivo consiste nel creare le espressioni suffisso/prefisso. Ogni espressione di suffisso/prefisso è composta da un suffisso host (o host completo) e da un prefisso di 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 creerà fino a 30 diverse combinazioni possibili 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 prova al massimo cinque diverse stringhe. Sono:

  • Il nome host esatto nell'URL.
  • Fino a quattro nomi host creati iniziando con gli ultimi cinque componenti e rimuovendo in modo corretto 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 tenterà al massimo sei stringhe diverse. Sono:

  • Il percorso esatto dell'URL, inclusi i parametri di ricerca.
  • Il percorso esatto dell'URL senza parametri di ricerca.
  • I quattro percorsi formati partendo dalla radice (/) e aggiungendo in seguito i componenti del percorso, tra cui 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 prova 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 prova 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 prova queste possibili stringhe:

1.2.3.4/1/
1.2.3.4/

Calcolo di hash

Dopo aver creato l'insieme 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 hash.

Esempi 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]);

Calcolo di prefissi hash

Infine, il client deve calcolare il prefisso hash per ogni hash SHA256 a lunghezza intera. Per Web Risk, un prefisso hash è costituito dai 4-32 byte più significativi dell'hash SHA256.

Esempi 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'ingresso è abcdbcdecdefdefgefghfghighijhijkijkljklmklmnlmnomnopnopq.
    • Il digest SHA256 è 248d6a61 d20638b8 e5c02693 0c3e6039 a33ce459 64ff2167 f6ecedd4 19db06c1.
    • Il prefisso hash a 48 bit è 248d6a61 d206.