20 个稳定版本
| 1.13.1 | 2023年7月6日 |
|---|---|
| 1.12.1 | 2023年3月29日 |
| 1.9.0 | 2022年10月19日 |
| 1.8.0 | 2022年6月21日 |
| 1.0.1 | 2021年7月31日 |
#216 in 算法
102 每月下载量
300KB
6.5K SLoC
tau 引擎
此包提供了一组库，通过在文档上运行和匹配规则来标记文档。
概述
该引擎使用 Pratt 解析器和树求解器来评估规则对文档的检测逻辑，如果结果为真，则该文档被视为由该规则标记。
规则
规则用于标记文档，由三部分组成
detection：评估文档的逻辑。true positives：必须评估为真的示例文档。true negatives：必须评估为假的示例文档。
检测块由一个条件和标识符组成。这允许规则简单但表达性强，以下是一个简要总结：
标识符
标识符用于帮助保持条件简洁，通常包含匹配逻辑的核心。它们由键/值对组成，允许从文档中提取数据并评估其值。需要注意的是，映射被视为合取，而序列被视为析取。
标识符使用以下匹配逻辑：
foobar：foobar 的精确匹配foobar*：以 foobar 开头*foobar：以 foobar 结尾*foobar*：包含 foobar?foobar：正则表达式 foobar
上述任何一种都可以使用 i 前缀进行不区分大小写的匹配，例如
ifoobarifoobar*
可以使用 ' 和 " 组合进行转义。
条件
条件只是一个布尔表达式，并支持以下操作：
and：逻辑合取or：逻辑析取==：相等比较>、>=、<、<=：数值比较not：取反all(i)：使序列表现为合取of(i, x)：确保序列至少有指定数量的匹配项
示例
这是一个示例，说明引擎如何根据提供的规则标记文档
tau-engine = "1.0"
use std::borrow::Cow;
use tau_engine::{Document, Rule, Value};
// Define a document.
struct Foo {
foo: String,
}
impl Document for Foo {
fn find(&self, key: &str) -> Option<Value<'_>> {
match key {
"foo" => Some(Value::String(Cow::Borrowed(&self.foo))),
_ => None,
}
}
}
// Write a rule.
let rule = r#"
detection:
A:
foo: foobar
condition: A
true_positives:
- foo: foobar
true_negatives:
- foo: foo
"#;
// Load and validate a rule.
let rule = Rule::load(rule).unwrap();
assert_eq!(rule.validate().unwrap(), true);
// Create a document.
let foo = Foo {
foo: "foobar".to_owned(),
};
// Evalute the document with the rule.
assert_eq!(rule.matches(&foo), true);
这是一个示例，说明如何使用引擎在JSON上标记
tau-engine = { version = "1.0", features = ["json"] }
use serde_json::json;
use tau_engine::{Document, Rule};
// Write a rule.
let rule = r#"
detection:
A:
foo: foobar
condition: A
true_positives:
- foo: foobar
true_negatives:
- foo: foo
"#;
// Load and validate a rule.
let rule = Rule::load(rule).unwrap();
assert_eq!(rule.validate().unwrap(), true);
// Create a document.
let foo = json!({
"foo": "foobar",
});
// Evalute the document with the rule.
assert_eq!(rule.matches(&foo), true);
依赖
~5–7MB
~128K SLoC