防止员工拷贝资料的布隆过滤器PHP语言算法详解

<?php
/**
 * 防止员工拷贝资料 - 布隆过滤器PHP实现类
 * 核心功能：存储敏感文件唯一标识（MD5），快速查询文件是否为敏感文件
 */
class BloomFilterForPreventCopy {
    private $bitArray;      // 二进制数组（存储哈希标识）
    private $bitSize;       // 二进制数组长度（bit）
    private $hashCount;     // 哈希函数个数
    private $hashFunctions; // 哈希函数集合
    /**
     * 初始化布隆过滤器
     * @param int $expectedCount 预期存储的敏感文件数量（默认100000）
     * @param float $falsePositiveRate 预设误判率（默认0.0001，即0.01%）
     */
    public function __construct($expectedCount = 100000, $falsePositiveRate = 0.0001) {
        // 计算二进制数组长度（公式：m = -n * ln(p) / (ln(2))²，n为预期数量，p为误判率）
        $this->bitSize = (int)ceil(-$expectedCount * log($falsePositiveRate) / pow(log(2), 2));
        // 计算哈希函数个数（公式：k = m/n * ln(2)）
        $this->hashCount = (int)ceil(($this->bitSize / $expectedCount) * log(2));
        // 初始化二进制数组（PHP中用字符串模拟，每个字符代表8个bit）
        $this->bitArray = str_repeat(chr(0), ceil($this->bitSize / 8));
        // 注册3个相互独立的哈希函数
        $this->hashFunctions = [
            [$this, 'murMurHash'],
            [$this, 'jenkinsHash'],
            [$this, 'sdbmHash']
        ];
    }
    /**
     * MurMurHash哈希函数（高效非加密哈希）
     * @param string $str 待哈希字符串（文件MD5值）
     * @return int 哈希结果（对应二进制数组下标）
     */
    private function murMurHash($str) {
        $len = strlen($str);
        $h = 0;
        for ($i = 0; $i < $len; $i++) {
            $h ^= ord($str[$i]) << ($i % 24);
            $h *= 0x5bd1e995;
            $h ^= $h >> 15;
        }
        return abs($h) % $this->bitSize;
    }
    /**
     * JenkinsHash哈希函数（低碰撞率）
     * @param string $str 待哈希字符串（文件MD5值）
     * @return int 哈希结果（对应二进制数组下标）
     */
    private function jenkinsHash($str) {
        $h = 0;
        $len = strlen($str);
        for ($i = 0; $i < $len; $i++) {
            $h += ord($str[$i]);
            $h += $h << 10;
            $h ^= $h >> 6;
        }
        $h += $h << 3;
        $h ^= $h >> 11;
        $h += $h << 15;
        return abs($h) % $this->bitSize;
    }
    /**
     * SDBMHash哈希函数（简单高效）
     * @param string $str 待哈希字符串（文件MD5值）
     * @return int 哈希结果（对应二进制数组下标）
     */
    private function sdbmHash($str) {
        $h = 0;
        $len = strlen($str);
        for ($i = 0; $i < $len; $i++) {
            $h = ord($str[$i]) + ($h << 6) + ($h << 16) - $h;
        }
        return abs($h) % $this->bitSize;
    }
    /**
     * 插入敏感文件标识（MD5值）到布隆过滤器
     * @param string $fileMd5 敏感文件的MD5值
     */
    public function insert($fileMd5) {
        foreach ($this->hashFunctions as $hashFunc) {
            $index = call_user_func($hashFunc, $fileMd5);
            // 计算当前bit所在的字符位置和位位置
            $charIndex = (int)floor($index / 8);
            $bitIndex = $index % 8;
            // 将对应bit置为1（通过位运算实现）
            $this->bitArray[$charIndex] = chr(ord($this->bitArray[$charIndex]) | (1 << $bitIndex));
        }
    }
    /**
     * 查询文件标识是否可能为敏感文件（核心：防止员工拷贝资料的快速判断）
     * @param string $fileMd5 待查询文件的MD5值
     * @return bool true：可能是敏感文件；false：一定不是敏感文件
     */
    public function query($fileMd5) {
        foreach ($this->hashFunctions as $hashFunc) {
            $index = call_user_func($hashFunc, $fileMd5);
            $charIndex = (int)floor($index / 8);
            $bitIndex = $index % 8;
            // 检查对应bit是否为1，若有一个为0则返回false
            if (!(ord($this->bitArray[$charIndex]) & (1 << $bitIndex))) {
                return false;
            }
        }
        return true;
    }
}
/**
 * 防止员工拷贝资料 - 核心业务逻辑测试
 */
// 1. 初始化布隆过滤器（预期存储10万条敏感文件，误判率0.01%）
$bloomFilter = new BloomFilterForPreventCopy(100000, 0.0001);
// 2. 模拟插入敏感文件MD5值（实际场景中可从数据库/配置文件读取）
$sensitiveFiles = [
    'e10adc3949ba59abbe56e057f20f883e', // 敏感文件1：test1.docx（MD5）
    'c81e728d9d4c2f636f067f89cc14862c', // 敏感文件2：test2.xlsx（MD5）
    'a87ff679a2f3e71d9181a67b7542122c'  // 敏感文件3：test3.pdf（MD5）
];
foreach ($sensitiveFiles as $fileMd5) {
    $bloomFilter->insert($fileMd5);
}
/**
 * 模拟员工拷贝文件行为，拦截敏感文件拷贝
 * @param string $filePath 待拷贝文件路径
 * @return string 操作结果
 */
function preventEmployeeCopy($filePath, $bloomFilter) {
    // 提取待拷贝文件的MD5值（唯一标识，防止员工通过修改文件名规避）
    if (!file_exists($filePath)) {
        return "待拷贝文件不存在，请检查路径！";
    }
    $fileMd5 = md5_file($filePath);
    
    // 第一步：布隆过滤器快速查询
    $isPossibleSensitive = $bloomFilter->query($fileMd5);
    if (!$isPossibleSensitive) {
        // 一定不是敏感文件，允许拷贝
        return "文件非敏感，允许拷贝！";
    }
    
    // 第二步：精准校验（降低误判率，确保防止员工拷贝资料的准确性）
    global $sensitiveFiles;
    if (in_array($fileMd5, $sensitiveFiles)) {
        // 确认是敏感文件，拦截拷贝
        return "警告：该文件为企业敏感资料，禁止拷贝！已成功防止员工拷贝资料。";
    } else {
        // 误判情况，允许拷贝（实际场景中可记录日志，优化误判率）
        return "文件非敏感，允许拷贝（误判校验）！";
    }
}
// 测试1：拷贝敏感文件（test1.docx）
echo preventEmployeeCopy('./test1.docx', $bloomFilter) . "\n";
// 测试2：拷贝非敏感文件（test4.txt）
echo preventEmployeeCopy('./test4.txt', $bloomFilter) . "\n";
// 测试3：拷贝敏感文件（test3.pdf）
echo preventEmployeeCopy('./test3.pdf', $bloomFilter) . "\n";
?>