nginScript 系列：使用 nginScript 掩蔽用户隐私数据

这是 nginScript 系列文章的第四篇，将介绍如何使用 nginScript 掩蔽用户隐私数据。查看第一篇“ nginScript 简介”，第二篇“使用nginScript 将客户端重定向到新服务器”，查看第三篇“通过TCP 负载均衡和Galera 集群来扩展MySQL ”。

2016 年 10 月，欧洲联盟法院规定将IP 地址归为“个人信息”，于是IP 地址进入了数据保护指令和一般性数据保护条例的保护范围。对于很多网站来说，这意味着如果数据离开了欧盟管辖的地区，那么对这些数据进行归档和分析就面临着法规上的挑战。对于进入美国的数据，西欧隐私盾协议提供了一定程度的保护，但仍然面临私权组织和政府的法律质疑。

不过，保护日志里的隐私数据并不是EU 独有的问题。对于像 IOS/ICE 27001 这样的安全认证组织，将数据移出安全区域也会破坏认证的合规性。

在这篇文章里，我们介绍一些简单的方案用于处理 NGINX Plus 和 NGINX 的日志文件，这样它们就可以安全地导出到外部，不会暴露所谓的个人识别信息（Personal Identification Information）。

无效的方式

保护数据最简单的办法是在导出数据之前把 IP 地址信息剔除掉。通过标准的 Linux 命令行工具就能做到这点，不过日志分析系统希望日志文件具有标准的格式，缺少 IP 字段会导致无法导入日志。即使日志成功导入，如果分析系统依赖 IP 地址来追踪用户行为，那么分析结果的准确性就会大打折扣。

另外一种可能的办法是，使用随机的假 IP 地址替换原来的值，这样就可以保持完整的日志文件，但是这样仍然会影响日志分析结果的质量，因为 IP 地址是假的。

掩蔽客户端 IP 地址

最好的解决方案是使用一种叫作数据掩蔽的技术对真实的 IP 地址进行转换，既不会暴露用户身份信息，又能够用于分析用户网站活动行为。数据掩蔽算法为给定值生成不可逆的伪随机值，同一个 IP 地址总是能被转换成同样的伪随机值。

你可以在 NGINX 和 NGINX Plus 中使用 nginScript 模块来实现 IP 地址掩蔽。nginScript 是为 NGINX 和 NGINX Plus 专门实现的 JavaScript，专门为服务器端的使用场景而设计。在记录请求消息时，我们通过执行一小段 JavaScript 代码来掩蔽客户端的 IP 地址。

为掩蔽 IP 地址配置 NGINX 和 NGINX Plus

log_format 指令指定了哪些信息会显示在访问日志里。NGINX 和 NGINX Plus 提供了默认的日志格式，叫作combined，用它生成的日志可以被大多数日志处理工具处理。

我们创建一个新的日志格式masked，除了第一个字段与combined不一样，其他的都一样，我们使用 $remote_addr_masked 代替 $remote_addr。我们的 JavaScript 代码会计算这个变量，为每一个客户端 IP 地址生成一个掩蔽值。

 
log_format masked '$remote_addr_masked - $remote_user [$time_local]'
                 '"$request" $status $body_bytes_sent '
                 '"$http_referer" "$http_user_agent"';

为了让 NGINX 和 NGINX Plus 以这种格式生成访问日志，我们在 server 配置块里使用 access_log 指令指定了masked格式。

 
js_include mask_ip_uri.js;
js_set     $remote_addr_masked maskRemoteAddress;
server {
   listen 80;
 
   access_log /var/log/nginx/access.log;
   access_log /var/log/nginx/access_masked.log masked;
 
   location / {
       return 200 "$remote_addr -> $remote_addr_masked\n"; #只用于测试
   }
}

因为我们打算使用 nginScript 掩蔽客户端 IP 地址，所以我们使用 js_include 指令指定 JavaScript 代码的位置。js_set 指令指定了一个 JavaScript 函数，这个函数会在计算 $remote_addr_masked 变量时被调用。

我们使用了两个 access_log 指令。第一个使用了默认的日志格式，它生成的访问日志是给管理员使用的，用于日常的运维。第二个指定了masked格式。于是，我们为每个请求生成两个访问日志——一个用于系统管理和运维，一个用于导出。

最后，location 配置块使用 return 指令定义了一个非常简单的返回结果，表示数据掩蔽功能是有效的。在生产环境，这里一般会包含一个 proxy_pass 指令，将请求重定向到后端的服务器上。

用于 IP 地址掩蔽的 nginScript 代码

我们使用了三个简单的 JavaScript 函数来生成掩蔽过的 IP 地址。被依赖的函数要出现在前面，所以我们按照它们的先后顺序逐个说明。

数据掩蔽的本质在于使用一种单向的散列算法来转换客户端 IP 地址。在我们的例子里，我们使用 FNV-1a 散列算法，这种算法紧凑、快速，而且具有很好的分布特征。它返回32 位的整数（与IPv4 地址一样的大小），非常适合用于表示IP 地址。fnv32a 函数实现了FNV-1a 算法。

i2ipv4 函数将 32 位整数转换成 IPv4 格式。它接收由 fnv32a() 生成的散列值，并将其转换成适当的格式。IPv4 地址和 IPv6 地址都用 IP4v 的格式来表示。

最后，我们使用 js_set 指令指定了 maskRemoteAddress() 函数，它接受一个单独的参数 req，req 表示 HTTP 请求对象。req 的 remoteAddress 属性包含了客户端 IP 地址。

 
function fnv32a(str) {
 var hval = 2166136261;
 for (var i = 0; i < str.length; ++i ) {
   hval ^= str.charCodeAt(i);
   hval += (hval << 1) + (hval << 4) + (hval << 7) + (hval << 8) + (hval << 24);
 }
 return hval >>> 0;
}
 
function i2ipv4(i) {
   var octet1 = (i >> 24) & 255;
   var octet2 = (i >> 16) & 255;
   var octet3 = (i >> 8) & 255;
   var octet4 = i & 255;
   return octet1 + "." + octet2 + "." + octet3 + "." + octet4;
}
 
function maskRemoteAddress(req) {
   return i2ipv4(fnv32a(req.remoteAddress));
}

IP 地址掩蔽

做好配置之后，我们向服务器发出一个简单的请求，然后检查返回的响应并查看访问日志。

 
$ curl http://localhost/
127.0.0.1 -> 8.163.209.30
$ sudo tail --lines=1 /var/log/nginx/access*.log
==> /var/log/nginx/access.log <==
127.0.0.1 - - [16/Mar/2017:19:08:19 +0000] "GET / HTTP/1.1" 200 26 "-" "curl/7.47.0"
 
==> /var/log/nginx/access_masked.log <==
8.163.209.30 - - [16/Mar/2017:19:08:19 +0000] "GET / HTTP/1.1" 200 26 "-" "curl/7.47.0"

掩蔽查询字符串里的敏感数据

日志文件里也可能包含除 IP 地址之外的敏感数据。比如邮件地址、邮政编码，或者其他通过查询字符串传递过来的信息。如果你的应用是通过这种方式传递数据的，那么你可以通过扩展之前的 IP 地址掩蔽方案来处理查询字符串里的敏感数据。

为掩蔽查询字符串配置 NGINX 和 NGINX Plus

与默认的combined格式类似，之前定义的masked日志格式记录了 $request 变量，通过这个变量可以捕捉到三个 request 组件：HTTP 方法、URI（包含了查询字符串）和 HTTP 版本。我们只需要掩蔽查询字符串，但是为了代码的可读性，我们分别使用了三个独立的变量来表示这三个组件：$request_uri_masked 变量表示请求 URI，$request_method 表示 HTTP 方法，$server_protocol 表示 HTTP 版本。

 
log_format masked '$remote_addr_masked - $remote_user [$time_local]'
                 '"$request_method $request_uri_masked $server_protocol" '
                 '$status $body_bytes_sent "$http_referer" "$http_user_agent"';

server 配置块需要另一个 js_set 指令，用于定义如何计算 $request_url_masked 变量。

 
js_include mask_ip_uri.js;
js_set     $request_uri_masked maskRequestURI;
server {
   listen 80;
 
   access_log /var/log/nginx/access.log;
   access_log /var/log/nginx/access_masked.log masked;
 
   location / {
       return 200 "$remote_addr -> $remote_addr_masked\n"; # 只用于测试
   }
}

掩蔽查询字符串的 nginScript 代码

我们在 logmask.js 文件里增加了 maskRequestURI() 函数。与 maskRemoteAddress() 函数类似，maskRequestURI() 也需要调用 fnv32a() 散列函数，所以它出现在 fnv32a() 函数的下面。

 
function maskRequestURI(req) {
   var query_string = req.variables.query_string;
   if (query_string.length) {                     // 如果有查询字符串就继续
       var kvpairs = query_string.split('&');     // 转换成键值数组
       for (var i = 0; i < kvpairs.length; i++) { // 遍历键值
           var kvpair = kvpairs[i].split('=');    // 将键值对拆分成一个数组
           if (kvpair[0] == "zip") {              // 掩蔽邮政编码
                // 使用前 5 个数字作为掩蔽值
               kvpairs[i] = kvpair[0] + "=" + fnv32a(kvpair[1]).toString().substr(5);
           } else if (kvpair[0] == "email") {     // Mask email
               // 使用散列值作为前缀
               kvpairs[i] = kvpair[0] + "=" + fnv32a(kvpair[1]) + "@example.com";
           }
       }
       return req.uri + "?" + kvpairs.join('&');  // 构建掩蔽过的 URI
   }
   return req.uri; // 没有查询字符串，返回 URI
}

maskRequestURI() 函数遍历查询字符串里的每一个键值对，找出包含敏感数据的键，并掩蔽这些键所对应的值。

根据使用日志的不同情况，掩蔽过的值需要能够反映真实的数据。在上面的例子里，我们将邮政编码掩蔽成 5 个数字，邮件地址被掩蔽成符合 RFC 821 的格式。其他键可能要求更复杂的格式，需要使用特定的函数来生成。

查询字符串掩蔽

经过这些额外的配置，我们就可以看到掩蔽过的查询字符串。

 
$ curl "http://localhost/index.php?foo=bar&zip=90210&email=liam@nginx.com"
127.0.0.1 -> 8.163.209.30
$ sudo tail --lines=1 /var/log/nginx/access*.log
==> /var/log/nginx/access.log <==
127.0.0.1 - - [16/Mar/2017:20:05:55 +0000] "GET /index.php?foo=bar&zip=90210&email=liam@nginx.com HTTP/1.1" 200 26 "-" "curl/7.47.0"
 
==> /var/log/nginx/access_masked.log <==
8.163.209.30 - - [16/Mar/2017:20:05:55 +0000] "GET /index.php?foo=bar&zip=38643&email=2852675791@example.com HTTP/1.1" 200 26 "-" "curl/7.47.0"

总结

NGINX 和 NGINX Plus 为自定义处理请求提供了一种简单而强大的方案。在这篇文章里，我们演示了如何使用 nginScript 来掩蔽敏感数据，在不违反数据安全合规的情况下，让日志文件可以被导出并用于离线分析。

查看英文原文： Data Masking for User Privacy with nginScript