21哈希算法(上):如何防止数据库中的用户信息被脱库?.pdf
《21哈希算法(上):如何防止数据库中的用户信息被脱库?.pdf》由会员分享,可在线阅读,更多相关《21哈希算法(上):如何防止数据库中的用户信息被脱库?.pdf(10页珍藏版)》请在三一文库上搜索。
1、21|哈希算法(上):如何防止数据库中的用户信息被脱库? file:/F/temp/geektime/数据结构与算法之美/21哈希算法(上):如何防止数据库中的用户信息被脱库?.html2019/1/15 15:35:47 21|哈希算法(上):如何防止数据库中的用户信息被脱库? 还记得2011年CSDN的“脱库”事件吗?当时,CSDN网站被黑客攻击,超过600万用户的注册邮箱和密码明文被泄露,很多网友对CSDN明文保存用户密码行为 产生了不满。如果你是CSDN的一名工程师,你会如何存储用户密码这么重要的数据吗?仅仅MD5加密一下存储就够了吗? 要想搞清楚这个问题,就要先弄 明白哈希算法。 哈
2、希算法历史悠久,业界著名的哈希算法也有很多,比如MD5、SHA等。在我们平时的开发中,基本上都是拿现成的直接用。所以,我今天不会重点剖析哈 希算法的原理,也不会教你如何设计一个哈希算法,而是从实战的角度告诉你,在实际的开发中,我们该如何用哈希算法解决问题。 什么是哈希算法? 我们前面几节讲到“散列表”“散列函数”,这里又讲到“哈希算法”,你是不是有点一头雾水?实际上,不管是“散列”还是“哈希”,这都是中文翻译的差别,英文 其实就是“Hash”。所以,我们常听到有人把“散列表”叫作“哈希表”“Hash表”,把“哈希算法”叫作“Hash算法”或者“散列算法”。那到底什么是哈希算法呢? 哈希算法的定
3、义和原理非常简单,基本上一句话就可以概括了。将任意长度的二进制值串映射为固定长度的二进制值串,这个映射的规则就是哈希算法,而 通过原始数据映射之后得到的二进制值串就是哈希值。但是,要想设计一个优秀的哈希算法并不容易,根据我的经验,我总结了需要满足的几点要求: 从哈希值不能反向推导出原始数据(所以哈希算法也叫单向哈希算法); 对输入数据非常敏感,哪怕原始数据只修改了一个Bit,最后得到的哈希值也大不相同; 散列冲突的概率要很小,对于不同的原始数据,哈希值相同的概率非常小; 哈希算法的执行效率要尽量高效,针对较长的文本,也能快速地计算出哈希值。 这些定义和要求都比较理论,可能还是不好理解,我拿MD
4、5这种哈希算法来具体说明一下。 我们分别对“今天我来讲哈希算法”和“jiajia”这两个文本,计算MD5哈希值,得到两串看起来毫无规律的字符串(MD5的哈希值是128位的Bit长度,为了方便表 示,我把它们转化成了16进制编码)。可以看出来,无论要哈希的文本有多长、多短,通过MD5哈希之后,得到的哈希值的长度都是相同的,而且得到的哈 希值看起来像一堆随机数,完全没有规律。 MD5(“今天我来讲哈希算法“) = bb4767201ad42c74e650c1b6c03d78fa MD5(“jiajia“) = cd611a31ea969b908932d44d126d195b 我们再来看两个非常相似
5、的文本,“我今天讲哈希算法!”和“我今天讲哈希算法”。这两个文本只有一个感叹号的区别。如果用MD5哈希算法分别计算它们的 哈希值,你会发现,尽管只有一字之差,得到的哈希值也是完全不同的。 MD5(“我今天讲哈希算法!“) = 425f0d5a917188d2c3c3dc85b5e4f2cb MD5(“我今天讲哈希算法“) = a1fb91ac128e6aa37fe42c663971ac3d 我在前面也说了,通过哈希算法得到的哈希值,很难反向推导出原始数据。比如上面的例子中,我们就很难通过哈希 值“a1fb91ac128e6aa37fe42c663971ac3d”反推出对应的文本“我今天讲哈希算
6、法”。 21|哈希算法(上):如何防止数据库中的用户信息被脱库? file:/F/temp/geektime/数据结构与算法之美/21哈希算法(上):如何防止数据库中的用户信息被脱库?.html2019/1/15 15:35:47 哈希算法要处理的文本可能是各种各样的。比如,对于非常长的文本,如果哈希算法的计算时间很长,那就只能停留在理论研究的层面,很难应用到实际的 软件开发中。比如,我们把今天这篇包含4000多个汉字的文章,用MD5计算哈希值,用不了1ms的时间。 哈希算法的应用非常非常多,我选了最常见的七个,分别是安全加密、唯一标识、数据校验、散列函数、负载均衡、数据分片、分布式存储。这节
7、我们先来 看前四个应用。 应用一:安全加密 说到哈希算法的应用,最先想到的应该就是安全加密。最常用于加密的哈希算法是MD5(MD5 Message-Digest Algorithm,MD5消息摘要算法) 和SHA(Secure Hash Algorithm,安全散列算法)。 除了这两个之外,当然还有很多其他加密算法,比如DES(Data Encryption Standard,数据加密标准)、AES(Advanced Encryption Standard,高级加密标 准)。 前面我讲到的哈希算法四点要求,对用于加密的哈希算法来说,有两点格外重要。第一点是很难根据哈希值反向推导出原始数据,第二
8、点是散列冲突的概率 要很小。 第一点很好理解,加密的目的就是防止原始数据泄露,所以很难通过哈希值反向推导原始数据,这是一个最基本的要求。所以我着重讲一下第二点。实际 上,不管是什么哈希算法,我们只能尽量减少碰撞冲突的概率,理论上是没办法做到完全不冲突的。为什么这么说呢? 这里就基于组合数学中一个非常基础的理论,鸽巢原理(也叫抽屉原理)。这个原理本身很简单,它是说,如果有10个鸽巢,有11只鸽子,那肯定有1个鸽巢 中的鸽子数量多于1个,换句话说就是,肯定有2只鸽子在1个鸽巢内。 有了鸽巢原理的铺垫之后,我们再来看,为什么哈希算法无法做到零冲突? 我们知道,哈希算法产生的哈希值的长度是固定且有限的
9、。比如前面举的MD5的例子,哈希值是固定的128位二进制串,能表示的数据是有限的,最多能表 示2128个数据,而我们要哈希的数据是无穷的。基于鸽巢原理,如果我们对2128+1个数据求哈希值,就必然会存在哈希值相同的情况。这里你应该能想 到,一般情况下,哈希值越长的哈希算法,散列冲突的概率越低。 2128=340282366920938463463374607431768211456 为了让你能有个更加直观的感受,我找了两段字符串放在这里。这两段字符串经过MD5哈希算法加密之后,产生的哈希值是相同的。 21|哈希算法(上):如何防止数据库中的用户信息被脱库? file:/F/temp/geekt
10、ime/数据结构与算法之美/21哈希算法(上):如何防止数据库中的用户信息被脱库?.html2019/1/15 15:35:47 不过,即便哈希算法存在散列冲突的情况,但是因为哈希值的范围很大,冲突的概率极低,所以相对来说还是很难破解的。像MD5,有2128个不同的哈希 值,这个数据已经是一个天文数字了,所以散列冲突的概率要小于1/2128。 如果我们拿到一个MD5哈希值,希望通过毫无规律的穷举的方法,找到跟这个MD5值相同的另一个数据,那耗费的时间应该是个天文数字。所以,即便哈希 算法存在冲突,但是在有限的时间和资源下,哈希算法还是被很难破解的。 除此之外,没有绝对安全的加密。越复杂、越难破
11、解的加密算法,需要的计算时间也越长。比如SHA-256比SHA-1要更复杂、更安全,相应的计算时间就会比 较长。密码学界也一直致力于找到一种快速并且很难被破解的哈希算法。我们在实际的开发过程中,也需要权衡破解难度和计算时间,来决定究竟使用哪种 加密算法。 应用二:唯一标识 我先来举一个例子。如果要在海量的图库中,搜索一张图是否存在,我们不能单纯地用图片的元信息(比如图片名称)来比对,因为有可能存在名称相同但 图片内容不同,或者名称不同图片内容相同的情况。那我们该如何搜索呢? 我们知道,任何文件在计算中都可以表示成二进制码串,所以,比较笨的办法就是,拿要查找的图片的二进制码串与图库中所有图片的二
12、进制码串一一比 对。如果相同,则说明图片在图库中存在。但是,每个图片小则几十KB、大则几MB,转化成二进制是一个非常长的串,比对起来非常耗时。有没有比较快 的方法呢? 我们可以给每一个图片取一个唯一标识,或者说信息摘要。比如,我们可以从图片的二进制码串开头取100个字节,从中间取100个字节,从最后再取100个字 节,然后将这300个字节放到一块,通过哈希算法(比如MD5),得到一个哈希字符串,用它作为图片的唯一标识。通过这个唯一标识来判定图片是否在图库 中,这样就可以减少很多工作量。 如果还想继续提高效率,我们可以把每个图片的唯一标识,和相应的图片文件在图库中的路径信息,都存储在散列表中。当
13、要查看某个图片是不是在图库中 的时候,我们先通过哈希算法对这个图片取唯一标识,然后在散列表中查找是否存在这个唯一标识。 如果不存在,那就说明这个图片不在图库中;如果存在,我们再通过散列表中存储的文件路径,获取到这个已经存在的图片,跟现在要插入的图片做全量的 比对,看是否完全一样。如果一样,就说明已经存在;如果不一样,说明两张图片尽管唯一标识相同,但是并不是相同的图片。 应用三:数据校验 电驴这样的BT下载软件你肯定用过吧?我们知道,BT下载的原理是基于P2P协议的。我们从多个机器上并行下载一个2GB的电影,这个电影文件可能会被分 割成很多文件块(比如可以分成100块,每块大约20MB)。等所有
14、的文件块都下载完成之后,再组装成一个完整的电影文件就行了。 我们知道,网络传输是不安全的,下载的文件块有可能是被宿主机器恶意修改过的,又或者下载过程中出现了错误,所以下载的文件块可能不是完整的。如 果我们没有能力检测这种恶意修改或者文件下载出错,就会导致最终合并后的电影无法观看,甚至导致电脑中毒。现在的问题是,如何来校验文件块的安 21|哈希算法(上):如何防止数据库中的用户信息被脱库? file:/F/temp/geektime/数据结构与算法之美/21哈希算法(上):如何防止数据库中的用户信息被脱库?.html2019/1/15 15:35:47 全、正确、完整呢? 具体的BT协议很复杂,
15、校验方法也有很多,我来说其中的一种思路。 我们通过哈希算法,对100个文件块分别取哈希值,并且保存在种子文件中。我们在前面讲过,哈希算法有一个特点,对数据很敏感。只要文件块的内容有一 丁点儿的改变,最后计算出的哈希值就会完全不同。所以,当文件块下载完成之后,我们可以通过相同的哈希算法,对下载好的文件块逐一求哈希值,然后 跟种子文件中保存的哈希值比对。如果不同,说明这个文件块不完整或者被篡改了,需要再重新从其他宿主机器上下载这个文件块。 应用四:散列函数 前面讲了很多哈希算法的应用,实际上,散列函数也是哈希算法的一种应用。 我们前两节讲到,散列函数是设计一个散列表的关键。它直接决定了散列冲突的概
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 21 算法 如何 防止 数据库 中的 用户信息 被脱库
链接地址:https://www.31doc.com/p-5529943.html