申请/专利权人：国网福建省电力有限公司;国网福建省电力有限公司漳州供电公司

申请日：2023-12-27

公开（公告）日：2024-04-12

公开（公告）号：CN117874373A

主分类号：G06F16/955

分类号：G06F16/955

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供了一种基于双重布隆过滤的高效URL去重方法，Web应用漏洞扫描系统收集目标信息，利用网络爬虫对目标系统中存在的URL进行爬取；保存已发现的URL，并将新发现的URL与已有URL库进行比较，去除重复项；利用布隆过滤器通过k个Hash函数将待查询的元素映射到二进制位数组中的k位，检查这k个位置上的值，如果值都为1，则说明该元素存在于集合中，否则说明该元素不存在于集合中；相较标准布隆过滤器降低了Hash函数存在的碰撞可能性，提高了对于URL去重的准确性，对于实现网络信息的快速获取和资产高效识别具有关键意义，是高性能的Web应用漏洞扫描系统中的重要功能之一。

主权项：1.一种基于双重布隆过滤的高效URL去重方法，其特征在于包括以下步骤：步骤1：Web应用漏洞扫描系统收集目标信息，利用网络爬虫对目标系统中存在的URL进行爬取；步骤2：保存已发现的URL，并将新发现的URL与已有URL库进行比较，去除重复项；步骤3：利用布隆过滤器通过k个Hash函数将待查询的元素映射到二进制位数组中的k位，检查这k个位置上的值，如果值都为1，则说明该元素存在于集合中，否则说明该元素不存在于集合中；步骤4：布隆过滤器存在误判率，即不同的URL经过k个Hash函数映射到k位数组上后存在相同的位置，误判率为： 其中m是二进制位数组的长度，k是Hash函数数量，n是需要添加的元素数量，即URL的数量；由公式可知，当布隆过滤器二进制位数组的长度m增大时，误判率p减小，当待插入的元素个数n增大时，误判率p增大；当固定参数m和n时，误判率p的大小仅与Hash函数的个数k有关；步骤5：改进后的双重布隆过滤器，使用两个二进制位数组合和Hash函数都相同的布隆过滤器，第一个布隆过滤器存储元素即原始URL，第二个布隆过滤器存储元素经过Hash函数计算后的Hash值，由于Hash值有k个，第二个布隆过滤器存储的数据是k个Hash值的和；步骤6：当查询一个新的URL是否存在于双重布隆过滤器时，首先检查URL经过第一个布隆过滤器的Hash函数组映射之后，V1对应的二进制位数组中的位置是否为1，如果相关位置均为1，再检查Hash函数得到的Hash值的和经过第二个布隆过滤器的Hash函数组映射之后，V2对应的索引位置的值是否为1，如果均为1，则说明该元素存在于布隆过滤器中，否则该URL不存在于布隆过滤器中，视为新的URL；步骤7：对于双重布隆过滤器的误判率，定义F1X为当集合X中所有元素都添加到布隆过滤器后，对于任意x∈U，满足V1h＝1的元素x的集合，F1X-X为第一个布隆过滤器误判的元素集合，同理，第二个布隆过滤器误判的元素集合为F2Sh-X，因此双重布隆过滤器的误判率为：p′＝PFx-X∩FSh-x1-2p′＝P2＝1-e-knm2k1-3由公式1-3和公式1-1对比可知，双重布隆过滤器的误判率小于标准布隆过滤器。

全文数据：

权利要求：

百度查询： 国网福建省电力有限公司;国网福建省电力有限公司漳州供电公司 一种基于双重布隆过滤的高效URL去重方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD