Come generare UUID "sicuri per la lingua"?

Ho sempre voluto usare stringhe generate casualmente per gli ID delle mie risorse, quindi avrei potuto avere URL più brevi come questo: / user / 4jz0k1

Ma non l'ho mai fatto, perché ero preoccupato per la generazione casuale di stringhe che creava parole reali, ad esempio: / user / f * cker. Ciò comporta due problemi: potrebbe essere fonte di confusione o addirittura offensivo per gli utenti e potrebbe anche rovinare il SEO.

Poi ho pensato che tutto quello che dovevo fare era impostare uno schema fisso come aggiungere un numero ogni 2 lettere. Sono stato molto contento del mio metodo "generate_safe_uuid", ma poi ho capito che era solo meglio per SEO, e peggio per gli utenti, perché aumentava il rapporto tra le parole reali generate, ad esempio: / user / g4yd1ck5

Ora sto pensando di poter creare un metodo "replace_numbers_with_letters" e verificare che non abbia formato parole contro un dizionario o qualcosa del genere.

Altre idee?

ps. Mentre scrivo, mi sono anche reso conto che cercare parole in più di una lingua (es. Inglese e francese, spagnolo, ecc.) Sarebbe stato un disastro, e sto ricominciando ad amare gli ID solo numeri.

AGGIORNARE

Alcuni link che tutti dovrebbero leggere:

http://thedailywtf.com/Articles/The-Automated-Curse-Generator.aspx

http://blogs.msdn.com/b/oldnewthing/archive/2008/06/27/8659071.aspx

Un paio di suggerimenti che ridurranno le possibilità di creare inavvertitamente parole significative:

• Aggiungi alcuni caratteri non alfa e non numerici al mix, come "-", "!" o "_".
• Componi i tuoi UUID accumulando sequenze di caratteri (anziché singoli caratteri) che è improbabile che si verifichino in parole reali, come "zx" o "aa".

Questo è un po 'di codice di esempio C # (usando .NET 4):

private string MakeRandomString()  
{  
    var bits = new List<string>()  
    {  
            "a",  
            "b",  
            "c",  
            "d",  
            "e",  
            //keep going with letters.  
            "0",  
            "1",  
            "2",  
            "3",  
            //keep going with numbers.  
            "-",  
            "!",  
            "_",  
            //add some more non-alpha, non-numeric characters.  
            "zx",  
            "aa",  
            "kq",  
            "jr",  
            "yq",  
            //add some more odd combinations to the mix.  
    };  

    StringBuilder sb = new StringBuilder();  
    Random r = new Random();  
    for (int i = 0; i < 8; i++)  
    {  
        sb.Append(bits[r.Next(bits.Count)]);  
    }  

    return sb.ToString();  
}  

Questo non garantisce che non offenderai nessuno, ma sono d'accordo con @DeadMG che non puoi mirare così in alto.

Basta creare un elenco di parole birichine, un elenco di sostituzione delle lettere e quindi se un ID generato è una parola birichina, ripetere.

Ad esempio (pseudo codice)

naughty_words = ["ass", "shit", "boobs"]
substitutions = {
    "4" : "a"
    "1" : "i"
    "3" : "e"
    "7" : "t"
    "5" : "s"
    "0" : "o"
    // etc.
}

function reducestring (str) {
    newstr = ""
    for (character in str) {
        if (substitituions[character]) newstr += substitutions[character]
        else newstr += character
    }
    return tolower(newstr)
}

do {
    new_id_numeric = random_number()
    short_id = compress_to_alphanumeric(new_id_numeric) // 0-9, a-z, A-Z
    // that function should create a base 62 number
} while (!contains(naughty_words, reducestring(short_id))

(Puoi fare riferimento ad altri brevi consigli come questo url per informazioni su hashing / conversione di base 62)

Ora non è più ottenere gli ID piace a55, sh1to "b00bs". L'elenco di sostituzione delle lettere dovrebbe contenere solo caratteri nelle tue parole cattive, ovviamente.

Dal momento che nessuno sta andando a leggere "455" come "culo", allora si potrebbe anche voler return strin reducestringse non contiene alcuna lettera.

Esempi

Il sito di progettazione grafica Dribbble ha i propri ID stringa brevi per i post. Questi usano 0-9, az e AZ come http://drbl.in/dCWi .

Ho fatto alcuni esperimenti e ci sono brevi ID per almeno qualche parolaccia. Immagino che vedremo quando arriveranno f, ma non ci sono ancora.

• http://drbl.in/dick - http://dribbble.com/shots/443570-New-Logo-Ideas-II
• http://drbl.in/butt - http://dribbble.com/shots/195695-Office

Concesso: dare a un utente il proprio URL di identificazione personale ( /user/whatever) anziché solo un post è molto peggio con le parole cattive.

Prendi invece in considerazione l'uso di una chiave numerica o esadecimale. Ti risparmierà un sacco di problemi rispetto alla scrittura di un filtro volgarità i18n, e il peggio di cui dovrai preoccuparti è il manzo morto .

Non puoi mai impedire a un sistema automatizzato di generare una stringa offensiva per un utente. Ad esempio, in Cina alcuni numeri sono considerati sfortunati.

Tutto quello che puoi davvero fare è dire all'utente che il loro ID è casuale e che i contenuti sono irrilevanti e se lo ottengono /user/fuckerdovrebbero semplicemente ignorarlo. Queste cose accadono e non è tecnicamente fattibile evitarlo, proprio come non puoi mai filtrare volgarità.

Esistono essenzialmente due strategie che è possibile utilizzare:

1. Crea un sistema che non generi stringhe offensive. Ad esempio, puoi comporre il tuo ID solo da lettere consonanti. Tralasciando tutte le vocali, puoi essere sicuro che il tuo sistema non genererà mai parole inglesi, cattive o meno.

2. Dopo aver generato un ID completamente casuale, verificare che il nuovo ID non includa sottostringhe offensive.

In molte situazioni (e-mail spam, blocco IP, ecc.), Una lista nera è un gioco perdente - non sarai mai in grado di creare una lista nera "completa" di ogni possibile brutta cosa che possa mai accadere. a b c d e f

Molte persone usano una lista bianca di parole accettabili e le mettono insieme in un ordine casuale. (Forse con un trattino o un punto o uno spazio tra ogni parola).

Alcuni dizionari popolari utilizzati per convertire numeri arbitrari in una serie pronunciabile di parole includono:

• un elenco di frutti a b
• l' elenco di parole PGP , chiamato anche elenco di parole biometriche
• l' elenco DialDice
• l' elenco dei Diceware
• il dizionario S / KEY da RFC1760

Puoi renderlo solo numeri generati casualmente o avere una regex per cancellare quelli che sono offensivi:

/ass/ =~ userid
/boobs/ =~ userid
/morenaughtywordshere/ =~ userid