能否在Bloom filter中存储敏感数据？如何防范逆向工程风险？

1. 能否用Bloom Filter存储用户名这类敏感数据？ #

不建议直接存储。Bloom Filter是空间高效的存在性校验结构，但它的特性决定了不适合直接存放敏感数据：无法删除元素、存在假阳性，更关键的是一旦过滤器泄露，存在被逆向推导的风险。

2. 是否存在逆向推导过滤器内容的风险？ #

是的，存在明确的逆向推导风险：

• 攻击者可通过字典攻击，将候选敏感数据（比如常见用户名、全名）逐一计算哈希值，匹配过滤器中的位标记，推断哪些数据可能被插入过。
• 若过滤器的哈希函数、大小、哈希数量等参数已知，攻击效率会大幅提升。比如针对Ashley Madison的全名数据集，攻击者可用公开姓名字典生成候选值，批量验证匹配度。

3. 提升数据安全性的通用措施 #

• 加盐哈希：对敏感数据先加盐再计算哈希值，再插入Bloom Filter。盐值需保密，且最好为每个数据分配唯一盐值（或使用全局强盐），让攻击者无法用通用字典直接匹配。
• 增大过滤器规模与哈希函数数量：提升假阳性率阈值，增加攻击者的验证成本——大量假阳性结果会干扰其对真实数据的判断。
• 使用加密型Bloom Filter变体：比如加密Bloom Filter，将过滤器的位存储为加密状态，仅持密钥方才能进行存在性校验，攻击者拿到加密后的过滤器也无法直接分析位模式。
• 避免过滤器直接暴露：将Bloom Filter部署在受信任的后端服务中，仅通过API提供存在性查询接口，不对外暴露过滤器本身。

针对补充场景的具体方案 #

场景1：无意暴露过滤器，但担忧攻击者解析插入数据 #

除通用措施外，还可：

• 定期重新生成过滤器：更换哈希函数、调整过滤器大小，同时更新盐值，让攻击者之前的分析失效。
• 添加噪声位：随机翻转过滤器中少量位，引入额外假阳性，混淆真实位模式，增加逆向难度。

场景2：存储Ashley Madison所有用户全名，阻止攻击者猜测内容 #

针对这类大规模敏感数据集，可采用组合方案：

• 多层加盐哈希：对全名进行多次加盐哈希（每次盐值不同），再将结果插入Bloom Filter。攻击者需同时猜对多层盐值才能匹配，难度呈指数级提升。
• 使用私有哈希函数：不使用MD5、SHA-1这类公开哈希函数，改用自定义的混淆哈希算法，降低攻击者预计算候选值的可能性。
• 结合布谷鸟过滤器+加密：布谷鸟过滤器支持删除操作，同时可对每个存储的指纹进行加密，仅持密钥的服务才能解密验证，攻击者拿到过滤器也无法直接提取指纹信息。

内容的提问来源于stack exchange，提问作者Samuel