web系統安全運營之基礎- 基於DFA演算法的高性能的敏感詞,臟詞的檢測過濾演算法類(c#).

来源:https://www.cnblogs.com/taohuadaozhu/archive/2020/04/15/12707700.html
-Advertisement-
Play Games

想持久運營一款web或移動端的產品,對內容進行必要的把關必不可少。這裡分享一個基於DFA演算法的高性能的敏感詞,臟詞的檢測過濾演算法類(c#). ...


【概述】做好一個web系統的安全運維,除了常規的防註入,防入侵等,還有一個檢測並過濾敏感詞,臟詞..  這件事做得不好,輕則導致一場投訴或糾紛,重則導致產品被勒令關閉停運。

 廢話少說,先看下代碼,可以拿過去直接使用。

  1 using Microsoft.VisualBasic;
  2 using System;
  3 using System.Collections.Generic;
  4 using System.IO;
  5 using System.Linq;
  6 using System.Text;
  7 
  8 namespace OpenCore.ContentSecurity
  9 {
 10     /// <summary>
 11     /// 功能簡介:基於DFA演算法的高效率非法關鍵詞檢測過濾類(杜絕違法內容)..之所以高效,因為本演算法對主輸入的字元串,只迴圈了一次。 無需對詞庫的每個詞進行replace的低效率處理。
 12     /// 開發前參考內容:https://blog.csdn.net/u011966339/article/details/72832197
 13     /// 更新日誌:
 14     ///          2020-4-15:載入字典的處理採用靜態構造方法中處理,避免頻繁載入,提升性能.
 15     ///                          支持多詞庫文件載入.
 16     ///                          優化了演算法的細節,提高健壯性。
 17     /// </summary>
 18     public class SensitiveWordFilter
 19     {
 20         private static string[] dictionaryPathList = null;
 21         /// <summary>
 22         /// 記憶體詞典
 23         /// </summary>
 24         private static WordGroup[] MEMORYLEXICON = new WordGroup[(int)char.MaxValue];
 25         private static object lockObj = new object();
 26         public static void Init(string[] sDictionaryFileName)
 27         {
 28             dictionaryPathList = sDictionaryFileName;
 29             LoadDictionary();
 30         }
 31         public SensitiveWordFilter()
 32         {
 33 
 34         }
 35         private string sourctText = string.Empty;
 36         /// <summary>
 37         /// 檢測源
 38         /// </summary>
 39         private string SourctText
 40         {
 41             get { return sourctText; }
 42             set { sourctText = value; }
 43         }
 44         /// <summary>
 45         /// 檢測源游標
 46         /// </summary>
 47         private int cursor = 0;
 48         /// <summary>
 49         /// 匹配成功後偏移量
 50         /// </summary>
 51         private int wordlenght = 0;
 52         /// <summary>
 53         /// 檢測詞游標
 54         /// </summary>
 55         private int nextCursor = 0;
 56         private List<string> illegalWords = new List<string>();
 57         /// <summary>
 58         /// 檢測到的非法詞集
 59         /// </summary>
 60         public List<string> IllegalWords
 61         {
 62             get { return illegalWords; }
 63         }
 64         /// <summary>
 65         /// 判斷是否是中文
 66         /// </summary>
 67         /// <param name="character"></param>
 68         /// <returns></returns>
 69         private bool isCHS(char character)
 70         {
 71             //  中文表意字元的範圍 4E00-9FA5
 72             int charVal = (int)character;
 73             return (charVal >= 0x4e00 && charVal <= 0x9fa5);
 74         }
 75         /// <summary>
 76         /// 判斷是否是數字
 77         /// </summary>
 78         /// <param name="character"></param>
 79         /// <returns></returns>
 80         private bool isNum(char character)
 81         {
 82             int charVal = (int)character;
 83             return (charVal >= 48 && charVal <= 57);
 84         }
 85         /// <summary>
 86         /// 判斷是否是字母
 87         /// </summary>
 88         /// <param name="character"></param>
 89         /// <returns></returns>
 90         private bool isAlphabet(char character)
 91         {
 92             int charVal = (int)character;
 93             return ((charVal >= 97 && charVal <= 122) || (charVal >= 65 && charVal <= 90));
 94         }
 95         /// <summary>
 96         /// 轉半形小寫的函數(DBC case)
 97         /// </summary>
 98         /// <param name="input">任意字元串</param>
 99         /// <returns>半形字元串</returns>
100         ///<remarks>
101         ///全形空格為12288,半形空格為32
102         ///其他字元半形(33-126)與全形(65281-65374)的對應關係是:均相差65248
103         ///</remarks>
104         private static string ToDBC(string input)
105         {
106             char[] c = input.ToCharArray();
107             for (int i = 0; i < c.Length; i++)
108             {
109                 if (c[i] == 12288)
110                 {
111                     c[i] = (char)32;
112                     continue;
113                 }
114                 if (c[i] > 65280 && c[i] < 65375)
115                     c[i] = (char)(c[i] - 65248);
116             }
117             return new string(c).ToLower();
118         }
119         /// <summary>
120         /// 轉換為簡體中文
121         /// </summary>
122         /// <param name="sInput"></param>
123         /// <returns></returns>
124         private static string ToSimplifiedChiniese(string sInput)
125         {
126             if (string.IsNullOrEmpty(sInput))
127             {
128                 return string.Empty;
129             }
130             try
131             {
132                 return Strings.StrConv(sInput, VbStrConv.SimplifiedChinese, 0);
133             }
134             catch (Exception ex)
135             {
136 
137             }
138             return sInput;
139         }
140         /// <summary>
141         /// 寫入日誌(非跨程式域的場景)
142         /// </summary>
143         /// <param name="Msg"></param>
144         private static void SaveLog(string Msg)
145         {
146             string sPath = Path.Combine(AppDomain.CurrentDomain.SetupInformation.ApplicationBase, "SecurityLog");
147             if (!Directory.Exists(sPath))
148             {
149                 Directory.CreateDirectory(sPath);
150             }
151             sPath = string.Format("{0}\\{1}", sPath, DateTime.Now.ToString("yyyyMMdd") + ".log");
152             try
153             {
154                 File.AppendAllText(sPath, "[" + DateTime.Now.ToString() + "]" + Msg + "\r\n");
155             }
156             catch
157             {
158             }
159         }
160         /// <summary>
161         /// 載入記憶體詞庫
162         /// </summary>
163         private static void LoadDictionary()
164         {
165             if (dictionaryPathList == null || dictionaryPathList.Length == 0)
166             {
167                 SaveLog($"SensitiveWordFilter.LoadDictionary.字典路徑配置為空");
168                 return;
169             }
170             foreach (string sFileName in dictionaryPathList)
171             {
172                 if (File.Exists(sFileName) == false)
173                 {
174                     SaveLog($"SensitiveWordFilter.LoadDictionary.路徑:{sFileName}不是一個有效的文件");
175                     return;
176                 }
177             }
178             List<string> wordList = new List<string>();
179             Array.Clear(MEMORYLEXICON, 0, MEMORYLEXICON.Length);
180             foreach (string sDictionaryFile in dictionaryPathList)
181             {
182                 string[] words = System.IO.File.ReadAllLines(sDictionaryFile, System.Text.Encoding.Default);
183                 foreach (string word in words)
184                 {
185                     if (string.IsNullOrEmpty(word))
186                         continue;
187                     if (word.Trim().Length == 0)
188                         continue;
189                     string key = ToDBC(word);
190                     wordList.Add(key);
191                     //適配繁體,簡體.addbyww@2020-4-15
192                     string key_simple = ToSimplifiedChiniese(key);
193                     if (key_simple != key)
194                     {
195                         wordList.Add(key_simple);
196                     }
197                 }
198             }
199             Comparison<string> cmp = delegate (string key1, string key2)
200             {
201                 return key1.CompareTo(key2);
202             };
203             wordList.Sort(cmp);
204             for (int i = wordList.Count - 1; i > 0; i--)
205             {
206                 if (wordList[i].ToString() == wordList[i - 1].ToString())
207                 {
208                     wordList.RemoveAt(i);
209                 }
210             }
211             foreach (var word in wordList)
212             {
213                 if (word.Length > 0)
214                 {
215                     WordGroup group = MEMORYLEXICON[(int)word[0]];
216                     if (group == null)
217                     {
218                         group = new WordGroup();
219                         MEMORYLEXICON[(int)word[0]] = group;
220                     }
221                     group.Add(word.Substring(1));
222                 }
223             }
224         }
225         /// <summary>
226         /// 檢測
227         /// </summary>
228         /// <param name="blackWord"></param>
229         /// <returns></returns>
230         private bool Check(string blackWord)
231         {
232             wordlenght = 0;
233             //檢測源下一位游標
234             nextCursor = cursor + 1;
235             bool found = false;
236             //遍歷詞的每一位做匹配
237             for (int i = 0; i < blackWord.Length; i++)
238             {
239                 //特殊字元偏移游標
240                 int offset = 0;
241                 if (nextCursor >= sourctText.Length)
242                 {
243                     break;
244                 }
245                 else
246                 {
247                     //檢測下位字元如果不是漢字 數字 字元 偏移量加1
248                     for (int y = nextCursor; y < sourctText.Length; y++)
249                     {
250 
251                         if (!isCHS(sourctText[y]) && !isNum(sourctText[y]) && !isAlphabet(sourctText[y]))
252                         {
253                             offset++;
254                             //避讓特殊字元,下位游標如果>=字元串長度 跳出
255                             if (nextCursor + offset >= sourctText.Length) break;
256                             wordlenght++;
257                         }
258                         else break;
259                     }
260                     if ((int)blackWord[i] == (int)sourctText[nextCursor + offset])
261                     {
262                         found = true;
263                     }
264                     else
265                     {
266                         found = false;
267                         break;
268                     }
269                 }
270                 nextCursor = nextCursor + 1 + offset;
271                 wordlenght++;
272             }
273             return found;
274         }
275         /// <summary>
276         /// 檢測並替換敏感詞為指定字元。之後返回
277         /// </summary>
278         /// <param name="replaceChar">比如:*</param>
279         public string getDataByFilter(string sSourceInput, char replaceChar)
280         {
281             if (string.IsNullOrEmpty(sSourceInput))
282             {
283                 return sSourceInput;
284             }
285             if (MEMORYLEXICON == null || MEMORYLEXICON.Length == 0)
286             {
287                 SaveLog($"SensitiveWordFilter.getDataByFilter.記憶體字典為空");
288                 return sSourceInput;
289             }
290             //初始化
291             this.cursor = 0;
292             this.wordlenght = 0;
293             this.illegalWords.Clear();
294             this.sourctText = sSourceInput;
295             if (sourctText != string.Empty)
296             {
297                 char[] tempString = sourctText.ToCharArray();
298                 for (int i = 0; i < SourctText.Length; i++)
299                 {
300                     //查詢以該字為首字元的片語
301                     WordGroup group = MEMORYLEXICON[(int)ToDBC(SourctText)[i]];
302                     if (group != null)
303                     {
304                         for (int z = 0; z < group.Count(); z++)
305                         {
306                             string word = group.GetWord(z);
307                             if (word.Length == 0 || Check(word))
308                             {
309                                 string blackword = string.Empty;
310                                 for (int pos = 0; pos < wordlenght + 1; pos++)
311                                 {
312                                     blackword += tempString[pos + cursor].ToString();
313                                     tempString[pos + cursor] = replaceChar;
314                                 }
315                                 illegalWords.Add(blackword);
316                                 cursor = cursor + wordlenght;
317                                 i = i + wordlenght;
318                             }
319                         }
320                     }
321                     cursor++;
322                 }
323                 return new string(tempString);
324             }
325             else
326             {
327                 return string.Empty;
328             }
329         }
330     }
331     /// <summary>
332     /// 具有相同首字元的片語集合
333     /// </summary>
334     public class WordGroup
335     {
336         /// <summary>
337         /// 集合
338         /// </summary>
339         private List<string> groupList=new List<string>();
340         public WordGroup()
341         {
342 
343         }
344         /// <summary>
345         /// 添加詞
346         /// </summary>
347         /// <param name="word"></param>
348         public void Add(string word)
349         {
350             if (groupList.Contains(word) == false)
351             {
352                 groupList.Add(word);
353             }
354         }
355         /// <summary>
356         /// 獲取總數
357         /// </summary>
358         /// <returns></returns>
359         public int Count()
360         {
361             return groupList.Count;
362         }
363         /// <summary>
364         /// 根據下標獲取詞
365         /// </summary>
366         /// <param name="index"></param>
367         /// <returns></returns>
368         public string GetWord(int index)
369         {
370             return groupList[index];
371         }
372     }
373 }

 

上面是一個完整的,獨立的實現類。 下麵給一個簡單的調用示例:

 1   //全局配置,整個程式只要配置一次即可,後續無需配置
 2             SensitiveWordFilter.Init(new string[] {
 3                  @"C:\Users\x\Downloads\網站需要過濾的敏感詞\mgck-master\暴恐詞庫.txt",
 4                  @"C:\Users\x\Downloads\網站需要過濾的敏感詞\mgck-master\反動詞庫.txt",
 5                  @"C:\Users\x\Downloads\網站需要過濾的敏感詞\mgck-master\民生詞庫.txt",
 6                  @"C:\Users\x\Downloads\網站需要過濾的敏感詞\mgck-master\色情詞庫.txt",
 7                  @"C:\Users\x\Downloads\網站需要過濾的敏感詞\mgck-master\貪腐詞庫.txt",
 8                  @"C:\Users\x\Downloads\網站需要過濾的敏感詞\mgck-master\其他詞庫.txt"
 9             });//註:這裡的路徑一定要寫正確,否則本演算法無法生效。
10             //下列可以在多個地方實例化,可以併發執行
11             SensitiveWordFilter wordFilter = new SensitiveWordFilter();
12             Dictionary<string, string> dictTestData = new Dictionary<string, string>();
13             //多測幾個示例,看看效果
14             dictTestData["殺^人游戲,有人找一夜q"] = "";//註意,這裡本來不是"一夜q",可惜咱們博客園本身也有敏感詞檢測,無法發佈。所以改成q。  如果有人需要測試,請在本地改為詞庫里的一些內容。!!
15             dictTestData["數學學習課堂"] = "";
16             dictTestData["打擊法0功有,法0功毒害大眾"] = "";
17             Dictionary<string, string> dictResult = new Dictionary<string, string>();
18             foreach(string sKey in dictTestData.Keys)
19             {
20                 dictResult[sKey] = $"替換後:{wordFilter.getDataByFilter(sKey,'|')},  ------------檢測違禁詞:{string.Join(",",(wordFilter.IllegalWords==null?new List<string>():wordFilter.IllegalWords))}";
21             }
22             string sResultJson = JsonConverter.SerializeObject(dictResult);
23             Utils.SaveLog(sResultJson);

 

 最後,給一下列印的結果:

"殺^人游戲,有人找一夜q":     替換後: "殺^人游戲,有人找|||", ------------檢測違禁詞:一夜q",  
"數學學習課堂":     替換後:"數學學習課堂", ------------檢測違禁詞:,
"打擊法0功有,法0功毒害大眾":   替換後:"打擊|||有,|||毒害大眾", ------------檢測違禁詞:法0功,法0功"

 

 

-------------附

詞庫下載地址:https://codeload.github.com/chason777777/mgck/zip/master


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 在控制台模擬操作cmd 我們設計簡單的程式實現以下功能 1.cd顯示當前目錄的名稱或將其更改。 2.date顯示時間 3.md 創建一個目錄 4. rd 刪除目錄 5.dir 顯示一個目錄中的文件和子目錄 6 help 提示操作 代碼 先在項目下創建一個help.txt文件,內容從cmd的help中 ...
  • Contracts Contracts其實就是倡導面向介面編程,來達到解耦的目的。而這些通用的介面已經由Laravel為你設計好了。就是這些Contracts. 那麼Laravel如何知道我們需要使用哪個實現呢? 在Laravel預設的Contracts綁定中,在'Illuminate/Founda ...
  • 【目錄】 一、什麼是元類 二、類是如何產生的——關鍵字class創造類的過程 三、如何自定義元類來控制類的產生 四、內置方法 __call__ 五、自定義元類控制類的調用=》類的對象的產生 六、再訪——屬性查找 一、什麼是元類 一切都源自於一句話:一切皆為對象 # 元類就是用來實例化產生類的類# 關 ...
  • 讓 .NET 輕鬆構建中間件模式代碼(二) 支持管道的中斷和分支 Intro 上次實現了一個基本的構建中間件模式的中間件構建器,現在來豐富一下功能,讓它支持中斷和分支,分別對應 asp.net core 中的 和 實現管道中斷 實現中間件的中斷其實很簡單,通過上一次的分析我們已經知道,中間件每一個部 ...
  • 0. 前言 在前面的文章里簡單介紹了一下字元串的相關內容,並沒有涉及到更多的相關內容,這一篇將嘗試講解一下在實際開發工作中會遇到的字元串的很多操作。 1. 創建一個字元串 這部分介紹一下如何創建一個字元串,在 "《C 基礎知識系列 2 字元串》" 中介紹了通過初始化和簡單的字元串賦值的方式創建一個字 ...
  • 選項介面 IOptionsSnapshot與IOptionsMonitor的區別 選項的後期配置 選項的驗證 在 ASP.NET Core筆記(3) 配置 中介紹了各種配置提供程式以及配置的讀取方式,但實際使用中,不推薦應用程式直接從一堆配置中讀取的做法,而是使用強類型綁定,將配置按組綁定到不同服務 ...
  • 這個客戶端的定位是系統的配置工具,通過調用後端提供的WebApi介面來達到配置的目的。 經過統計,目前已經維護了接近200個介面。這個數量還是非常大的,所以我單獨建立了一個子項目來管理這些api。 主要是利用國產開源項目`WebApiClient`提供中間代理,使用定義介面的方式來描述這些api。 ...
  • DevExpress是比較流行的控制項庫,使用者較多,不知道大家有沒有遇到MessageBox的確定、取消按鈕上的文字是英文的情況。 這是因為DevExpress壓根沒有中文語言包,至少我這邊看到的情況是這樣的。 不多說,直接上代碼。 1 using DevExpress.Xpf.Core; 2 us ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...