GJM : 使用浏览器的计算力，对抗密码破解 [转载]

感谢您的阅读。喜欢的、有用的就请大哥大嫂们高抬贵手“推荐一下”吧！你的精神支持是博主强大的写作动力以及转载收藏动力。欢迎转载！
版权声明：本文原创发表于【请点击连接前往】，未经作者同意必须保留此段声明！如有侵权请联系我删帖处理！
我的博客：http://www.cnblogs.com/GJM6/ - 传送门：【点击前往】

本文前半部分科普 KDF 函数的意义，后半部分探讨 KDF 在前端计算的可行性。

前言

几乎每隔一段时间，就会听到“XX 网站被拖库”的新闻。之后又会出现一些报道，分析该网站使用最多的密码是什么、有多少等等。

众所周知，密码在数据库中通常是以 Hash 值存储的，并且还加了盐。攻击者即使知道具体的 Hash 算法，也只能暴力破解。照理说这是极其费劲的，然而现实中却总有大量密码被破解，是什么导致安全性如此脆弱？

究其原因，莫过于这两点：口令密码、算法成本。

口令密码

密码可以记在很多地方。最常见的，就是记在自己脑袋里。当然还可以记在属于你的物品上，例如小本子、卡片等等，反正不用脑子记，不如设置的很长很乱，例如：

QQ:     n5Py 2r8W qGyg 4tU6
GMail:  3TkS mVwQ hUrs wtmA
...

这种无意义的长串作密码，是很安全的。即使它们的 Hash 值以及算法泄露，攻击者想得到明文，只能暴力穷举所有组合：

泄露的值是 BF656DEC5DD8BA0B，算法是 f(x)。开始穷举...

尝试组合                f(x)               结果
aaaa aaaa aaaa aaaa    02F49B3EA5592B14   ×
aaaa aaaa aaaa aaab    BD4E960D990DA3F3   ×
...
n5Py 2r8W qGyg 4tU5    4CEA28A904326A26   ×
n5Py 2r8W qGyg 4tU6    BF656DEC5DD8BA0B   √

就算只有字母和数字，也要近 10^28 次才猜到。这是个天文数字，几乎不可行。所以，这种类型的密码还是很安全的。

然而现实中这么做的并不多。物品需要随身携带，非常不便，要是弄丢或者被偷，就更麻烦了。除非把它们都背下来，但这不又回到“记在脑袋里”这种方式了！

脑袋确实很安全，但容量也很有限。像上面那种毫无规律的字串，背一句都难，更别说多个了。所以，大家多少都会选些有意义、有规律的字串作为密码，例如 iloveyou2016、qwert12345，或是手机号、生日等组合。这种不用死记硬背的字串，就是口令（pass word）。

口令虽然方便，但缺陷也很明显：因为它是有规律的，所以猜起来就容易多了。攻击者只需测试常用单词组合，没准就能猜到了：

泄露的值是 2B649D47C4546A3E，算法是 f(x)。开始跑字典...

尝试组合         f(x)               结果
...
qwert yuiop     52708233CFFD6BFD   ×
qwert asdfg     CD07933880702B97   ×
qwert zxcvb     343F78782D73AB3A   ×
qwert 12345     2B649D47C4546A3E   √

这个过程，就是所谓的“跑字典”。一本好的字典，可以极大的提升猜中几率。

算法成本

在字典相同的情况下，速度就显得尤为重要了。每秒可以猜多少次？这得看具体的算法。

例如 MD5 函数，每次调用大约需要 1 微秒，这意味着每秒可以猜 100 万次！（而且这还只是单线程的速度，用上多并发更是恐怖）

由此可见，算法越快，对破解者就越有利。假如每次调用需要 10 毫秒，那么每秒只能猜 100 次，这样就足足慢了一万倍！

然而不幸的是，常用的 Hash 函数都是很快的。因为它们生来就有多种用途，并非为口令处理而设计。例如计算一个大文件的校验值，速度显然很重要。所以，用 MD5、SHA256 之类的“快函数”处理口令，是不合理的。（包括一些简单的变种，例如 MD5(SHA256(x))，仍然很快）。一旦 Hash 值和算法泄露，很容易被“跑字典”破解。

现实中，由于不少网站使用了“快函数”来处理口令，因此数据库泄露后，大量口令被还原也就在所难免了。

增加成本

虽然 Hash 函数单次执行很快，但我们可以反复执行大量次数，这样总体耗时就变长了。例如：

function slow_sha256(x)
    for i = 0 to 100000
        x = sha256(x)
    end
    return x
end

在密码学中，这种方式叫做拉伸。现实中有不少方案，例如 PBKDF2 —— 它没有重头设计一种新算法，而是对现有的函数进行封装，从而更适合用于口令处理：

function pbkdf2(fn, ..., iter)
    ...
    for i = 0 to iter
        ...
        x = fn(x, ...)
        ...
    end
    ...
    return x
end

它有一个迭代参数，用于指定反复 Hash 的次数 —— 迭代次数越多，执行时间越长，破解也就越困难。

PBKDF（Password-Based Key Derivation Function，基于口令的秘钥导出函数），顾名思义，就是输入“口令”（有规律的字串）输出“秘钥”（无规律的长串）的函数，并且计算过程会消耗一定资源。本质上也是 Hash 函数，输出结果称之 DK（derived key）。

前端拉伸

拉伸次数越多虽然越安全，但这是以消耗服务端大量计算资源为代价的！为了能在安全和性能之间折衷，通常只选择几十到几百毫秒的计算时间。

服务端的计算量如此沉重，以至于不堪重负；而如今的客户端，系统资源却普遍过剩。能否让用户来分担一些计算量？

听起来似乎不可行。毕竟前端意味着公开，将密码相关的算法公开，不会产生安全问题吗。

先来回顾下，传统网站是如何处理口令的 —— 前端通常什么都不做，仅仅用于提交，口令都是由后端处理的：

现在，我们尝试对前端进行改造 —— 当用户在注册、登录等页面中提交时，不再发送原始口令，而是口令的 DK：

后端，则不做任何改动。（当然这会影响已有账号的使用，这里暂时先不考虑，假设这是个新网站）

这样，即使用户的口令很简单，但相应的 DK 却仍是个毫无意义的长串。通过 DK 的 Hash 值，是极难还原出 DK 的。（在本文开头就提到过了)

当然，攻击者更感兴趣的不是 DK，而是口令。这倒是可以破解的 —— 只需将前后端算法结合，形成一个新函数：

F(x) = server_hash(client_hash(x))

用这个最终函数 F 跑字典，还是可以猜口令的。只不过其中有 client_hash 这道障碍，破解速度就大幅降低了！

尝试组合       耗时  F(x)               结果
...
qwert yuiop   1s   1C525DC73898A8EF   ×
qwert asdfg   1s   F9C0A131F43F1969   ×
qwert zxcvb   1s   08F026D689D26746   ×
...

所以，我们需要：

一个缓慢的 client_hash，增加跑字典的成本
一个快速的 server_hash，防止 DK 泄露

这样，就能将绝大多数的计算转移到前端，后端只需极少的处理，即可实现一个高强度的密码保护系统。

对抗预算

由于前端的一切都是公开的，所以 client_hash 的算法大家都知道。攻击者可以把常用口令的 DK 提前算出来，编成一个新字典。将来拖库后，直接跑这个“新字典”，就能节省大量时间了。

对于这种方式，就需要使用“加盐”处理（事实上 PBKDF 本身就需要提供盐参数）。例如，选择用户 ID 作为盐：

function client_hash(password, salt) {
    return pbkdf2(sha256, password, salt, 1000000);
}

client_hash('888888', 'tom@163.com');  // b80c97beaa7ca316...
client_hash('888888', 'jack@qq.com');  // 465e26b9d899b05f...

这样即使口令相同，但用户不同，生成的 DK 也是不同的。攻击者只能针对特定账号生成字典，适用范围就小多了。

更进一步，我们甚至可将“网站 ID”也掺入盐中：

function client_hash(password, salt) {
    return pbkdf2(sha256, password, salt, 1000000);
}

client_hash('888888', 'jack@qq.com/www.site-a.com');  // 77a1b139aa93ac8b...
client_hash('888888', 'jack@qq.com/www.site-b.com');  // fab6b82e6a1d17d7...

这样即使同样的“账号密码”，在不同网站上生成的 DK 也是不一样了！

思考题：ID 是公开的，能不能选个隐蔽的字段作为 client_hash 的盐？

DK 泄露

DK 诞生于前端，后端对其 Hash 之后就不复存在了，所以它是个临时值。理想情况下，它是不会泄露的。

但在某些场合，DK 还是有可能泄露的。例如服务器中毒、网络传输被窃听等，都能导致 DK 泄露。

DK 泄露后，攻击者就能控制该账号了，这是无法避免的。但幸运的是，DK 只是个无意义的长串而已，攻击者并不知道其背后的那个有意义的“口令”是什么。因此其他使用类似口令的账号，就幸免于难了！

攻击者若要通过 DK 还原口令，就得用 client_hash 算法跑字典 —— 这个成本依然很大。相比之前的“最终函数 F”，只是少算一次 server_hash 而已。（server_hash 本来就很快，可以忽略不计）。所以即使 DK 泄露，破解口令难度基本没降低。

“账号被盗，口令拿不到”，这就是“前端 Hash”的意义。

撞库成本

前端拉伸计算，使得用户每次登陆，都会耗费一定的系统资源。这对普通用户来说，或许影响不大；但对于频繁登录的人来说，将是一个极大的开销。有谁会极其频繁地登录？很可能就是“撞库攻击者” —— 他们从其他地方弄到一堆账号口令，然后来这里撞运气，看看能成功登上多少。

由于我们是用 DK 登录的，因此攻击者也必须将待测的口令，先算出 DK 再提交，于是会增加不少计算成本。这和上一篇的 Proof-of-Work 有点类似。如同拉伸弹簧需要付出能量，拉伸 Hash 同样需要投入实实在在的算力。

小结

本篇提到的 3 类密码：

类型	安全性	易用性	说明
无意义的长串	高	差	很难记住，只能储存在外部，增加了保管成本
有规律的口令	低	好	容易记住，但也容易被“跑字典”攻击
口令转成秘钥	中	好	同上。但转换过程很耗时，提高跑字典的成本

两种 Hash 函数：

快函数（MD5、SHA256 等，输入数据“很长很没规律”时使用）
慢函数（PBKDF2、bcrypt 等，输入数据“容易猜到”时使用）

关于“前端 Hash”，其实算是 “零知识证明”（zero-knowledge proof）的一种。什么是零知识证明，这里套用一个经典的例子：

你拥有一个宝库，可以通过念咒语来开门。有天你想在朋友面前证明你能打开宝库，但又不想让他听到咒语。这该如何解决？
正好，他知道你的宝库里有个独一无二的宝物，如果能取出来给他看，自然就能证明你能打开。这样就无需带他到场，自己单独打开取出宝物，然后拿给他看就行了。于是，就可以在不暴露咒语的同时，证明你能打开。

这就是零知识证明 —— 证明者在不透露“任何有用信息”的情况下，使验证者相信某个论断是正确的。

“前端 Hash”的做法在“密码管理插件”中很常见：用户的口令不再发往后端，而是仅仅用于生成 DK（并且不同账号的 DK 不一样，即使口令相同）。这样就算遇到最坏的情况（例如服务器中毒、传输窃听、后端明文存储等）导致 DK 泄露，也不会暴露你的口令。最多损失某个账号，而不影响其他账号！

（另外，口令也不再填写于原先的文本框中，而是填在插件的界面上，插件算出 DK 后自动填到原先的文本框。这样可以降低口令泄露的风险，例如网页中可能潜伏着恶意脚本）

实际应用

不过现实中，天生内置了前端 KDF 计算的网站并不多。不像插件可以调用本地程序，性能高且稳定，浏览器则是良莠不齐，不同的版本性能差异很大，因此计算时间很不稳定。

另外，在曾经很长一段时间里（IE 时代），浏览器的计算力都十分低下，以至于大家都保留了前端计算意义不大、“一切都由后端计算”的观念。不过如今主流浏览器的性能已得到大幅提升，甚至 HTML5 还引入了 WebCrypto 规范，JS 可直接调用浏览器内置的密码学算法库，其中就包括了 PBKDF2。由于是原生实现的，因此性能非常的高。这里有个简单的演示：

https://etherdream.github.io/FunnyScript/pbkdf2/test.html

（分别使用 asm.js、Flash、WebCrypto 几种方案，计算 100 万次迭代的测试）

不过 PBKDF2 并不是最好的，因为它只是简单地套用了现有的 Hash 函数而已，而非针对性的进行设计。

2015 年 Password Hashing Competition 的胜出者 —— argon2，就非常先进了。它不仅可设置时间成本（迭代次数），还能设置空间成本（内存占用）。并且还支持多线程计算，让攻击者也必须投入同样多的算力进行破解！

当然 argon2 还太新，目前尚未收录到 WebCrypto 里。不过已有人将其移植成 JavaScrpt 版本，不妨值得一试。