TLSH相似度

原创

已于 2022-10-25 10:42:31 修改 · 2.8k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#tlsh #相似度

于 2022-02-15 16:16:34 首次发布

TLSH是一个用于二进制数据的模糊匹配库，通过生成哈希值进行相似性比较。在Python中，可以使用py-tlsh库来计算和比较TLSH哈希。本文介绍了TLSH的安装、使用方法以及示例，包括如何从字节数据生成哈希和计算相似度得分。此外，还展示了如何在项目中应用TLSH进行文件内容的相似性检测。

一、TLSH介绍

TLSH 是一个模糊匹配库。给定一个最小长度为 50 字节的字节流， TLSH 生成一个哈希值（可以通过更改以下CMakeLists.txt 中描述的构建参数来增加哈希的长度，提高预测文件之间相似性的准确性），可用于相似性比较。

相似的对象将具有相似的散列值，这允许通过比较它们的散列值来检测相似的对象。请注意，字节流应该具有足够的复杂性。例如，相同字节的字节流不会生成哈希值。

构建 TLSH将在lib目录中创建一个静态库和tlsh可执行文件。

'tlsh' 链接到bin目录中的静态库（tlsh.cpython-36m-x86_64-linux-gnu.so）。该库具有从给定文件生成散列值以及计算两个散列值之间的相似性的功能。

tlsh是用于生成 TLSH 哈希值和比较 TLSH 哈希值以确定相似性的实用程序。

Help on module tlsh:
NAME
    tlsh - TLSH C version - similarity matching and searching
CLASSES
    builtins.object
        Tlsh
    class Tlsh(builtins.object)
     |  TLSH objects
     |
     |  Methods defined here:
     |
     |  __init__(self, /, *args, **kwargs)
     |      Initialize self.  See help(type(self)) for accurate signature.
     |
     |  __new__(*args, **kwargs) from builtins.type
     |      Create and return a new object.  See help(type) for accurate signature.
     |
     |  diff(...)
     |      Returns the TLSH score compared to the given Tlsh object or hexadecimal string.
     |
     |  final(...)
     |      Signal that no more data will be