142 lines
5.2 KiB
Go
142 lines
5.2 KiB
Go
// Copyright 2022 E99p1ant. All rights reserved.
|
|
// Use of this source code is governed by a MIT-style
|
|
// license that can be found in the LICENSE file.
|
|
|
|
package censor
|
|
|
|
import (
|
|
"context"
|
|
"encoding/json"
|
|
"fmt"
|
|
"strings"
|
|
)
|
|
|
|
type ForbiddenType string
|
|
|
|
const (
|
|
ForbiddenTypeSpam ForbiddenType = "spam"
|
|
ForbiddenTypeAd ForbiddenType = "ad"
|
|
ForbiddenTypePolitics ForbiddenType = "politics"
|
|
ForbiddenTypeTerrorism ForbiddenType = "terrorism"
|
|
ForbiddenTypeAbuse ForbiddenType = "abuse"
|
|
ForbiddenTypePorn ForbiddenType = "porn"
|
|
ForbiddenTypeFlood ForbiddenType = "flood"
|
|
ForbiddenTypeContraband ForbiddenType = "contraband"
|
|
ForbiddenTypeMeaningless ForbiddenType = "meaningless"
|
|
ForbiddenTypeHarmful ForbiddenType = "harmful"
|
|
// ForbiddenTypeCustomized 命中服务侧自定义词库（阿里云控制台配置，七牛无服务端词库）。
|
|
// 属运营方显式规则，在 policy.go 中归入底线集合，任何档位都不放行。
|
|
ForbiddenTypeCustomized ForbiddenType = "customized"
|
|
)
|
|
|
|
func (f ForbiddenType) String() string {
|
|
return map[ForbiddenType]string{
|
|
ForbiddenTypeSpam: "含垃圾信息",
|
|
ForbiddenTypeAd: "广告",
|
|
ForbiddenTypePolitics: "涉政",
|
|
ForbiddenTypeTerrorism: "暴恐",
|
|
ForbiddenTypeAbuse: "辱骂",
|
|
ForbiddenTypePorn: "色情",
|
|
ForbiddenTypeFlood: "灌水",
|
|
ForbiddenTypeContraband: "违禁",
|
|
ForbiddenTypeMeaningless: "无意义",
|
|
ForbiddenTypeHarmful: "不良场景",
|
|
ForbiddenTypeCustomized: "自定义词库",
|
|
}[f]
|
|
}
|
|
|
|
// LabelScore 单个维度（label）的判定与置信度。过去只取首个非 normal 维度，
|
|
// 丢掉了其余维度信息，无法按维度差异化处置（例如只拦高置信度的辱骂）。
|
|
//
|
|
// ⚠️ Score 统一归一化到 0~1：七牛本身即 0~1；阿里云 2.0 无逐标签置信度，只给整条内容的
|
|
// riskLevel，由 AliyunTextCensorParser 折算（high=1 / medium=0.6 / low=0.3）后该响应内所有
|
|
// 标签共用——有损近似。policy.go 的阈值因此对两家都成立（对阿里云语义为「按风险级别分级」）。
|
|
type LabelScore struct {
|
|
Label ForbiddenType `json:"label"`
|
|
Score float64 `json:"score"`
|
|
}
|
|
|
|
type TextCensorResponse struct {
|
|
SourceName string `json:"source_name"`
|
|
Pass bool `json:"pass"`
|
|
ForbiddenType ForbiddenType `json:"forbidden_type"`
|
|
Hint string `json:"hint"`
|
|
Confidence float64 `json:"confidence"`
|
|
RawResponse json.RawMessage `json:"raw_response"`
|
|
Details []LabelScore `json:"details,omitempty"` // 全部非 normal 维度，供严格度策略裁决；由各 parser 从 RawResponse 重建，缓存回放同样有值（故改档位对历史缓存也生效）
|
|
// ProviderSuggestion 服务方管控建议（block / review / pass）。不携带维度、无法做
|
|
// 置信度收敛，因此只在严格档被采信（见 policy.go）。
|
|
ProviderSuggestion string `json:"provider_suggestion,omitempty"`
|
|
}
|
|
|
|
func (r *TextCensorResponse) ToJSON() []byte {
|
|
jsonBytes, _ := json.Marshal(r)
|
|
return jsonBytes
|
|
}
|
|
|
|
// ErrorMessageFor 按真正命中的维度生成拒绝提示——已移除的 ErrorMessage 固定用首个非
|
|
// normal 维度，而触发拦截的可能是另一维度（策略层按档位裁决），会导致文案对不上。
|
|
// detail 为 nil（由服务方整体 block 建议触发）时退化为不带维度的基础文案。
|
|
func (r *TextCensorResponse) ErrorMessageFor(detail *LabelScore) string {
|
|
errorMessage := "内容安全检查不通过"
|
|
if detail != nil && detail.Label != "" {
|
|
errorMessage += fmt.Sprintf(" [%s]", detail.Label.String())
|
|
}
|
|
if r.Hint != "" {
|
|
errorMessage += fmt.Sprintf("，相关标签：%q", r.Hint)
|
|
}
|
|
return errorMessage
|
|
}
|
|
|
|
type TextCensor interface {
|
|
Censor(ctx context.Context, text string) (*TextCensorResponse, error)
|
|
String() string
|
|
}
|
|
|
|
var TrustedHosts = []string{
|
|
"xhslink.com", // 小红书
|
|
"weibo.com", // 微博
|
|
"b23.tv", // Bilibili
|
|
"acfun.cn",
|
|
"aixifan.com",
|
|
"github.com",
|
|
// 旧域 tama.guru 保留至 2026-12 到期，过渡期内旧分享链接仍需视为可信。
|
|
"tama.guru",
|
|
"shiroko.one",
|
|
"337845818.best",
|
|
"x.com",
|
|
"bilibili.com",
|
|
}
|
|
|
|
// RemoveTrustedURL 移除可信域名以免链接被判为广告。
|
|
// 仅当可信域名后紧跟路径分隔符（/ ? #）或位于串尾时才视为可信，
|
|
// 避免 github.com.evil.tld 被朴素替换误判为 github.com 子域而漏审。
|
|
func RemoveTrustedURL(str string) string {
|
|
for _, host := range TrustedHosts {
|
|
for _, protocol := range []string{"http://", "https://"} {
|
|
needle := protocol + host
|
|
var b strings.Builder
|
|
rest := str
|
|
for {
|
|
idx := strings.Index(rest, needle)
|
|
if idx < 0 {
|
|
b.WriteString(rest)
|
|
break
|
|
}
|
|
b.WriteString(rest[:idx])
|
|
after := rest[idx+len(needle):]
|
|
if len(after) == 0 || after[0] == '/' || after[0] == '?' || after[0] == '#' {
|
|
// 可信域名边界：跳过该前缀，从域名之后继续（域名本身被移除，不进入审核）。
|
|
rest = after
|
|
} else {
|
|
// 非可信域名边界（如 github.com.evil）：保留前缀，从其后继续扫描。
|
|
b.WriteString(needle)
|
|
rest = after
|
|
}
|
|
}
|
|
str = b.String()
|
|
}
|
|
}
|
|
return str
|
|
}
|