各位大佬指点下字符串模式查找问题

背景

使用虚拟机+OpenWrt+Menthust 解决校园网认证问题，但是会有共享网络检测问题。目前现象是使用 80 端口很大概率被封，用 IPtables 禁止 80 端口的数据出 WALN 口就没事，分析是根据 HTTP 的 User-Agent 请求头判定的，但是现在挺多 APP 还用了 80 端口加速视频、图片什么的。目前找到了两种方案，分别是xmurp-ua和UA2F,前者是内核修改，后者是用户态修改方案，但是不好使，访问 HTTP 页面，UA 并没修改。所以我参考他们的自己写了一个，同时也学习下 C 语言及 Linux 方面的东西.

方案

我采用的是第二个方案，设置规则，让符合条件的包交给用户态程序处理，模块是 NFQUEUE 。现在进度是交叉编译环境、测试环境都准备好了，代码进行到在 TCP payload 中查找 User-agent 并替换，想请问下那种查找算法效率高些？以下是我已进行的分析:

TCP payload 最大载荷是 1500 - IP 头(20) - TCP 头(20) = 1460 (Bytes)，数据量也不是太大，直接暴力或许可以，UA2F 采用的就是暴力的方案
查找过程是否需要利用 HTTP 协议结构，比如对于 HTTP 1.x 在遇到第一个换行前不需要匹配 User-Agent 字符。但是这样就需要考虑协议版本的问题了，还需要识别协议的版本。若是直接搜索 User-Agent 字符串，就可以不用考虑这些
修改的时候，UA 信息可能被分片了，UA 主要信息在第二个包，但是User-Agent字段却在前一个包，搜索不出来，第二个包好像不太好修改？修改成统一 UA 可能增大 TCP payload 的数据，导致 IP 层分片？感觉去掉各平台的标识就行了，比如 Android 、IOS 、Win 等标识不同时出现。考虑分片增加复杂度了，感觉这种情况可以不考虑，账号拉黑应该有个阈值的，不会有这么多数据包巧合。
一个 HTTP 的 TCP 链接，UA 应该大概率出现在第一个数据包（不考虑建立链接的包），后续的包应该不会出现了 UA ，所以可以借助 iptable 的标记功能，对后续的包快速放行。但是 HTTP2 的多路复用后续可能还会出现含义 UA 信息的包,不知道理解的对不对？。现现在大多数还是 HTTP 1.x 的？我观察虎牙直播的就是

查找算法我感觉Rabin-Karp Algorithm应该合适,hh

问题是：

采用何种方案定位 UA 位置？
定位后检索平台标识符替换，还是替换成统一的 UA ？

bfdh

2022-04-22 11:59:53 +08:00

@billlee
1. 直接搜索是很快的，商用防火墙可以在内核态拿着上万条正则扫万兆以太网的全部流量。
这个主要看 CPU 性能，我们在家用路由器上做过类似操作，性能损失很明显。

来回答下楼主的问题
如果只是想实现功能，nginx 反代有可能能满足楼主需求，不过这个我没有仔细研究过，只是提出来，需要楼主自行查证。

如果是自己写代码实现，应该有下面这些需要留意
1 、HTTP 1.x 也是可以一条 tcp 连接承载多个 http 请求的，关键字 keepalive ，这种情况也是需要持续处理后续数据的。
2 、可以考虑使用类似反代的思路，这样的话，UA 跨包和因为修改 UA 导致的数据包长度变化问题就迎刃而解了。
3 、UA 定位建议按协议进行分析，暴力查找感觉性能还是低了些，而且本来你也是抱着一部分学习的目的。
4 、某些应用的服务器会检测 UA ，修改 UA 可能会导致功能异常，这种需要特殊处理。

最后再提供另一个思路。
不知道你们校园网 UA 检测对于 http 头跨包的情况处理到了什么程度，可以试试将 HTTP 头逐个字节发送，看看是不是能被检测到。逐个字节发送需要在网络层抓包确认，并不只是在代码里一次 write 一个字节，多次 write 的数据，内核可能会合成一个包发出去。