Insecure Randomness 不安全的随机数

Insecure Randomness

Abstract

标准的伪随机数生成器不能抵挡各种加密攻击。

Explanation

在对安全性要求较高的环境中，使用一个能产生可预测数值的函数作为随机数据源，会产生 Insecure

Randomness 错误。电脑是一种具有确定性的机器，因此不可能产生真正的随机性。伪随机数生成器

(PRNG) 近似于随机算法，始于一个能计算后续数值的种子。 PRNG 包括两种类型：统计学的 PRNG 和密

码学的 PRNG。统计学的 PRNG 可提供有用的统计资料，但其输出结果很容易预测，因此数据流容易复制。

若安全性取决于生成数值的不可预测性，则此类型不适用。密码学的 PRNG 通过可产生较难预测的输出结果

来应对这一问题。为了使加密数值更为安全，必须使攻击者根本无法、或极不可能将它与真实的随机数加以

区分。通常情况下，如果并未声明 PRNG 算法带有加密保护，那么它有可能就是一个统计学的 PRNG，不应

在对安全性要求较高的环境中使用。

示例：下面的代码可利用统计学的 PRNG 为购买产品后仍在有效期内

的收据创建一个 URL。

String GenerateReceiptURL(String baseUrl) {

    Random ranGen = new Random();

    ranGen.setSeed((new Date()).getTime());

    return(baseUrl + Gen.nextInt(400000000) + ".html");

}

这段代码使用 Random.Next() 函数为由其产生的收据页面生成“唯一”的标识符。因为

Random.nextInt() 是一个统计学 PRNG，攻击者很容易就能猜到由它生成的字符串。尽管收据系统的底

层设计也存在错误，但如果使用了一个不生成可预测收据标识符的随机数生成器（如密码学的 PRNG），会

更安全一些。

Recommendation

当不可预测性至关重要时，如大多数对安全性要求较高的环境都采用随机性，这时可以使用密码学的 PRNG

。不管选择了哪一种 PRNG，都要始终使用带有充足熵的数值作为该算法的种子。（诸如当前时间之类的数

值只提供很小的熵，因此不应该使用。） Java 语言在 java.security.SecureRandom 中提供了一个加

密 PRNG。就像 java.security 中其他以算法为基础的类那样，SecureRandom 提供了与某个特定算法

集合相关的包，该包可以独立实现。当使用 SecureRandom.getInstance() 请求一个 SecureRandom

实例时，您可以申请实现某个特定的算法。如果算法可行，那么您可以将它作为 SecureRandom 的对象使

用。如果算法不可行，或者您没有为算法明确特定的实现方法，那么会由系统为您选择 SecureRandom 的

实现方法。 Sun 在名为 SHA1PRNG 的 Java 版本中提供了一种单独实现 SecureRandom 的方式，Sun 将其

描述为计算： “SHA-1 可以计算一个真实的随机种子参数的散列值，同时，该种子参数带有一个 64 比特的计

算器，会在每一次操作后加 1。在 160 比特的 SHA-1 输出中，只能使用 64 比特的输出 [1]。” 然而，文档中

有关 Sun 的 SHA1PRNG 算法实现细节的相关记录很少，人们无法了解算法实现中使用的熵的来源，因此也并

不清楚输出中到底存在多少真实的随机数值。尽管有关 Sun 的实现方法网络上有各种各样的猜测，但是有一

点无庸置疑，即算法具有很强的加密性，可以在对安全性极为敏感的各种内容中安全地使用。

解决办法：

采用更加安全的SecureRandom来替换Random。

巴特西

Insecure Randomness 不安全的随机数