如何构建模型识别由Base64编码、Unix时间戳、HMAC组成的三段式特征字符串？

这种字符串的结构特征非常明确，优先用规则校验方案即可达到100%的准确率，无需复杂的机器学习模型，实现步骤如下：

1. 结构初筛 #

用正则表达式快速过滤掉不符合基础格式的字符串，仅保留三个以.分隔的Base64编码段的内容：

• 正则规则：^[A-Za-z0-9+/=]+\.[A-Za-z0-9+/=]+\.[A-Za-z0-9+/=]+$
• 校验逻辑：匹配不通过直接判定为不符合要求，匹配通过后按.分割得到三个子串分别校验

2. 第一段校验 #

第一段是Base64编码的18位随机数，校验逻辑：

• 对第一段做Base64解码，解码失败直接排除（注意要补全Base64末尾的=补位符，避免合法编码因为没有补位符解码失败）
• 解码后得到的字节转换为数值，校验长度是否为18位，不符合则排除

3. 第二段校验 #

第二段是Base64编码的Unix时间戳，校验逻辑：

• 对第二段做Base64解码，解码失败直接排除
• 解码后得到的数值转换为Unix时间戳，校验是否在合理范围内：比如不能早于1970-01-01（时间戳0），不能晚于当前时间加合理的偏移量（比如预留1年有效期就设置为当前时间+31536000秒），超出范围则排除

4. 第三段校验（可选） #

第三段是HMAC值，根据你是否持有生成该字符串的密钥选择是否校验：

• 没有密钥：仅校验解码后的长度是否符合对应哈希算法的输出长度即可（比如SHA256对应的HMAC输出为32字节，SHA1对应20字节，根据你已知的生成规则确定阈值）
• 持有密钥：将前两段原始字符串用.拼接后，用相同的哈希算法生成HMAC，和第三段解码后的结果做恒等对比，一致则完全匹配

如果你的场景存在规则无法覆盖的变种，需要用机器学习模型的话，实现逻辑如下：

• 特征提取：提取字符串总长度、.的数量、各段Base64合法字符占比、各段解码后的长度、时间戳合理性分值、字符串信息熵（随机数和HMAC的信息熵远高于普通文本）
• 样本准备：收集足够的正样本（符合要求的字符串）和负样本（普通文本、其他格式令牌、随机乱码等）
• 模型训练：用逻辑回归、随机森林等轻量分类模型训练即可，特征区分度很高，无需复杂的深度学习模型

参考Python实现（规则校验版） #

import base64
import time
import re

# 预定义基础正则
TOKEN_PATTERN = re.compile(r'^[A-Za-z0-9+/=]+\.[A-Za-z0-9+/=]+\.[A-Za-z0-9+/=]+$')
# 时间戳合理范围：1970-01-01 至 当前时间+1年
MIN_TS = 0
MAX_TS = int(time.time()) + 365 * 24 * 3600

def check_valid_token(token: str) -> bool:
    # 基础结构校验
    if not TOKEN_PATTERN.match(token):
        return False
    part1, part2, part3 = token.split('.')
    
    # 第一段18位随机数校验
    try:
        # 补全Base64补位符避免解码失败
        decoded_p1 = base64.b64decode(part1 + '=' * (-len(part1) % 4))
        if len(str(int.from_bytes(decoded_p1, byteorder='big'))) != 18:
            return False
    except Exception:
        return False
    
    # 第二段Unix时间戳校验
    try:
        decoded_p2 = base64.b64decode(part2 + '=' * (-len(part2) % 4))
        ts = int.from_bytes(decoded_p2, byteorder='big')
        if not (MIN_TS <= ts <= MAX_TS):
            return False
    except Exception:
        return False
    
    # 可选：第三段HMAC校验，持有密钥时启用
    # import hmac
    # import hashlib
    # SECRET = b'你的HMAC密钥'
    # try:
    #     decoded_p3 = base64.b64decode(part3 + '=' * (-len(part3) % 4))
    #     calc_hmac = hmac.new(SECRET, f"{part1}.{part2}".encode(), hashlib.sha256).digest()
    #     if not hmac.compare_digest(calc_hmac, decoded_p3):
    #         return False
    # except Exception:
    #     return False
    
    return True

内容的提问来源于stack exchange，提问作者skrx10