你知道百度网盘是如何秒传的嘛

BigHuaji 37 0

前言

今天我穿了个文件,突然想知道百度网盘的秒传功能是如何实现的?

你知道百度网盘是如何秒传的嘛

这个问题我其实有想过,我猜测大概是前端计算一个文件的哈希值发送给后端,网盘服务器判断是否存在这个文件,如果存在就直接在后端完成文件的“转存”,直接告诉前端:上传成功。

不过这是我自己猜测的,到底对不对,一直也没有去验证过。

不过百度网盘到底是怎么做的呢?我花了几分钟研究了一下,算是解答了这个疑惑,增加了知识。

首先,只用一个哈希值,已经有事实证明是会发生冲突的,而不只是理论上。

比如我在网上上找到了一个例子,下面两段不同的数据,只相差两个字节

你知道百度网盘是如何秒传的嘛

分别计算md5,结果是一样的

你知道百度网盘是如何秒传的嘛

所以,如果只用一个哈希值就判定是同一个文件,那就比较容易会出现张冠李戴的情况。

甚至,有人还基于此提出一种哈希碰撞攻击:如果我知道一个文件的md5值,但拿不到这个文件,我通过数学计算,构造一个相同md5的文件,那岂不是就把那个文件直接给我转存过来了?如果是一个私密的文件呢?那不出事了!

百度网盘的做法

那百度网盘是咋做的呢?

首先上传一个文件,使用浏览器F12开发者模式,看一下它的网络请求

你知道百度网盘是如何秒传的嘛

可以看到,百度网盘对文件进行了分块传输,对大文件进行分块,如果网络不好断开了,下次只需要传输剩下的分块就行了,做到了断点续传。

不过注意看,在上面分块的中间,插入了一个叫rapidupload接口的请求,从名字你也可以猜出来了,这个接口肯定跟它的“秒传”功能有关系

来看一下请求的参数,我发现是一个Form表单,有这么几个字段

content-length文件长度
content-md5文件的MD5
slice-md5文件切片的MD5

你知道百度网盘是如何秒传的嘛
看到这里你估计猜到了,肯定是这三个参数联合判断,同时满足条件才算是同一个文件!

秒传成功了!

你知道百度网盘是如何秒传的嘛

那如果上传一个后端肯定不存在的文件会是返回什么呢?我构造了一个做测试

404!说明百度的服务器没这个文件,那就一点一点的传吧!

你知道百度网盘是如何秒传的嘛

接着,我想看一下这个切片md5,百度网盘是怎么在切的。

通过网络通信中的Initiator功能,可以定位到是哪里的JS代码在发生请求

你知道百度网盘是如何秒传的嘛

通过调用堆栈,看到了叫rapidUpload这个函数,再上下一跟进,找到了这个切片MD5计算的地方

你知道百度网盘是如何秒传的嘛

其实就是对文件的前262144个字节,也就是256KB进行计算。如果文件比这还小,那就用不着秒传了。

但奇怪的是,我扣取了文件的前256个字节,计算出来的md5,和它接口中上传的参数并不一致!

这让我疑惑了好几分钟,难道事情没这么简单?

我又打了断点在计算的位置,发现它计算的跟我计算的又是一样的,但通过网络发出去以后就变了,真是薛定谔的MD5,奇怪了!

不过,程序不是量子力学,它不会骗人,很快我就找到了问题所在:百度网盘可能担心自己的路数被发现,对文件的MD5和切片MD5都进行了加密!

你知道百度网盘是如何秒传的嘛

一些简单的字符串处理而已。

结论

温馨提示

百度网盘上传时,如果是超过256KB的文件,将计算整个文件的MD5和文件前256KB内容的MD5,并对两个MD5值加密后请求后端执行秒传。后端通过两个MD5和长度信息判断是否存在该文件,如果存在则完成秒传。

发表评论 取消回复
表情 图片 链接 代码

分享