[安全开发]日志敏感信息检测-2-银行卡

1. 前言
2. 银行卡号码格式
3. 正则提取
4. 卡bin校验
5. 校验码校验
6. 优化思考

---

前言

接上一篇文章：[安全开发]日志敏感信息检测-1-身份证

银行卡号码格式

银行卡号码由14至19位数字组成，储蓄卡一般是19位、17位和16位，信用卡一般是16位，其中：

• 前n位：发卡行识别码，用来标识哪个银行发行的卡，在本文中统一简称为“卡bin”
• 中间位：个人账户标识，由发卡行自己定义，最多12位
• 末位：校验码，由前面的数字采用Luhn算法计算得出

正则提取

首先通过正则，进行简单的筛选，从日志中提取疑似银行卡号码的数字。

\W\d{14,19}\W

正则说明

• \W：匹配非单词字符，与"[^A-Za-z0-9_]"等效
• \d{14,19}：匹配14至19位数字

宽进：在上面的正则表达式里，我们用了十分宽松的正则来匹配银行卡号码，只要是14至19位的数字，就都匹配上，这样能保证所有疑似银行卡号码的数字都被找出来。
严出：通过上面正则命中的数字误报会很多，但没关系，再对这些数字进行银行码和校验码校验，能过滤掉绝大部分误报，筛选出真正的银行卡号码。

卡bin校验

银行卡卡bin的长度不固定，一般是6位，但也有短至2位，长至12位的。
我们可以将正则命中的数字，从卡bin长度、卡bin值、银行卡长度三个维度，与卡bin库进行对比，三个值都符合的情况下，最后进行校验码的校验。
银行卡卡bin库搬运：银行卡卡bin数据

校验码校验

前面说了，银行卡最后一位是校验码，由银行卡最后一位前面的所有数字计算得到，具体的计算算法这里不深究，感兴趣的读者，可以参考这篇博客：银行卡号的编码规则及校验
这里我们直接给出，银行卡校验码的校验算法的Java代码实现：

/**
 * 银行卡校验码Luhm校验算法，校验成功则为银行卡卡号
 *
 * @param bankCardNo 银行卡号码
 * @return true-校验成功；false-校验失败
 */
public static boolean bankCardNoCheck(String bankCardNo) {
    String num = bankCardNo.substring(0, bankCardNo.length() - 1);
    char[] numArray = num.toCharArray();
    int luhmSum = 0;
    for (int i = numArray.length - 1, j = 0; i >= 0; i--, j++) {
        int k = numArray[i] - '0';
        if (j % 2 == 0) {
            k *= 2;
            k = k / 10 + k % 10;
        }
        luhmSum += k;
    }
    char checkNo = (luhmSum % 10 == 0) ? '0' : (char) ((10 - luhmSum % 10) + '0');
    return bankCardNo.charAt(bankCardNo.length() - 1) == checkNo;
}

优化思考

通过上面的 正则提取+卡bin校验+校验码校验 三部曲，从日志中检测出的数字，基本99%是银行卡号码，准确率极高。但在海量日志的检测过程中，各种奇葩数据都有，还是会存在1%的误报的。

对于这1%的误报，有两个处理思路：

1. 误报为偶然出现，且只出现过一两次，也没有其他类似特征的误报，则直接忽略即可
2. 误报具有一定的特征，且多次出现，为同一类误报，则可以提取特征，针对性的制定白名单过滤。白名单推荐采用正则匹配进行过滤