不時會爆出網站的服務器和數據庫被盜取，考慮到這點，就要確保用戶一些敏感數據（例如密碼）的安全性。今天，我們要學的是 hash 背后的基礎知識，以及如何用它來保護你的 web 應用的密碼。
申明
密碼學是非常復雜的一門學科，我不是這方面的專家，在很多大學和安全機構，在這個領域都有長期的研究。
本文我試圖使事情簡單化，呈現給大家的是一個 web 應用中安全存儲密碼的合理方法。
“Hashing” 做的是什么？
Hashing 將一段數據（無論長還是短）轉成相對較短的一段數據，例如一個字符串或者一個整數。
這是通過使用單向哈希函數來完成的。“單向” 意味着逆轉它是困難的，或者實際上是不可能的。
加密可以保證信息的安全性，避免被攔截到被破解。Python 的加密支持包括使用 hashlib 的標准算法（例如 MD5 和 SHA），根據信息的內容生成簽名，HMAC 用來驗證信息在傳送過程中沒有被篡改。
一個通常使用的 hash 函數的例子是 md5()，這也是當前在很多不同語言和系統中比較流行的：
import hashlib
data = "Hello World"
h = hashlib.md5()
h.update(data)
print(h.hexdigest())
# b10a8db164e0754105b7a99be72e3fe5
為了計算一個數據塊（這兒是 ASCII 字符串）的 MD5 哈希值或摘要，首先需要創建一個 hash 對象，然后添加數據，再調用 digest() 或者 hexdigest() 函數。本例使用的是 hexdigest() 方法來代替 digest() ，是因為為了更清晰地輸出而對結果進行了格式化。如果你能接受輸出二進制的摘要值，那么就用 digest()。
使用 Hash 函數來存儲密碼
用戶注冊的過程通常是這樣的：
- 用戶填寫注冊表單，包括密碼這一項
- web 腳本將所有的信息存儲在數據庫中
- 然而，密碼在存儲之前需要通過 hash 函數進行轉化
- 最原始版本的密碼並沒有保存在任何地方，因此從技術上講它消失了
用戶登錄的過程：
- 用戶輸入用戶名和密碼
- 腳本用同樣的 hash 函數來轉化密碼
- 腳本找到記錄在數據庫中的用戶信息，讀取保存 hash 之后的密碼
- 比較兩者的值，如果匹配了就完成了登錄
注意原始密碼不會存儲在任何地方！那么如果數據庫被盜，那么用戶的登錄信息不會被盜，是嗎？答案是“根據情況來定”。讓我們看看一些潛在的問題：
問題1：Hash 沖突
當兩個不同的輸入數據產生相同的 Hash 結果時，這就發生了 Hash 沖突。發生的概率依賴於你所使用的函數。
如果利用呢？
作為例子，我使用一些老的腳本，它們使用 crc32() 來 Hash 密碼。這個函數會產生 32 位整數的結果，這意味着僅僅有2^32 (i.e. 4,294,967,296) 種結果。
讓我們來 hash 一個密碼：
import binascii
result = binascii.crc32('supersecretpassword')
print(result) #323322056
現在，我們假設有人盜取了數據庫，有了 hash 值。我們也許並不能將 323322056 轉成 supersecretpassword，然而我們能用一個簡單的腳本，來找到另一個密碼可以轉化為相同的 hash 值：
import binascii,base64
i = 0
while True:
if binascii.crc32(base64.encodestring(bytes(i,))) == 323322056:
print(base64.encodestring(i))
i += 1
這可能需要運行好一會，但最終會返回一個字符串。我們可以用返回的字符串來代替 supersecretpassword，也同樣能登錄進入那個用戶的賬戶。
舉例來說，在我電腦運行那個腳本一會之后，得到字符串 MTIxMjY5MTAwNg==，讓我們測試一下：
import binascii
print(binascii.crc32("supersecretpassword"))
#323322056
print(binascii.crc32("MTIxMjY5MTAwNg=="))
#323322056
如何避免呢？
現在，一個強大的家庭 PC 機就可以用來每秒鍾運行一個哈希函數十億次之多，那么我們需要一個產生非常大范圍數的哈希函數。
舉例來說，md5() 可能就比較適合，因為它產生 128 位哈希值，也就是 340,282,366,920,938,463,463,374,607,431,768,211,456 可能的結果。通過遍歷找到沖突不可能的，然而有些人仍然這樣做（參考這里)。
Sha1
Sha1() 是一個更好的替代方案，它會產生甚至長達 160 位的 hash 值。
問題2：彩虹表
甚至我們解決了沖突的問題，我們還不能確保安全。
彩虹表（rainbow table）是通過計算一些常用的單詞和它們的組合的 hash 值而創建的。這些表有多達上百萬或上億項。
舉例來說，你可以遍歷一個字典，為每個單詞產生一個 hash 值。你也可以將它們進行組合，也為組合的單詞產生 hash 值。這還沒完，你甚至可以以數字插入單詞的開始、結尾、中間，將它們也存入表中。
考慮到現在存儲系統非常廉價，可以產生和使用上 G 量級的彩虹表。
如何利用呢？
讓我們想象一下，一個大的數據庫被盜，里面有一千萬的密碼哈希值。在彩虹表中搜索與數據庫中密碼哈希值的匹配是件相當簡單的事，不是所有密碼都能找到，但也不是都找不到！它們中的一些肯定可以找到！
如何避免呢？
我們嘗試添加鹽化(salt)字符串來解決，下面是個例子：
import hashlib
password = "EasyPassword"
print(hashlib.sha1(password).hexdigest())
# ff166c2477f864d609ca8111680bfa387eb4e509
salt = "f#@V)Hu^%Hgfds"
print(hashlib.sha1(salt + password).hexdigest())
# 3e7edaceb96becaf69ae7e73073812ea136188e2
我們做的很簡單，在 hash 密碼之前將“鹽化”字符串與用戶密碼連接，這樣很顯然 hash 的結果和之前建立的彩虹表沒有一個匹配。但是，我們還不夠安全！
問題3：彩虹表問題（續）
記住，在數據庫被盜之后，還可以重建彩虹表。
如何利用呢？
即使使用了“鹽化”字符串，仍然有可能隨着數據庫被盜而破解。他們所要做的是重新產生新的彩虹表，但這次他們會連接“鹽化”字符串到每個密碼上。
舉例來說，通常彩虹表中 easypassword 可能存在，但在新的彩虹表中，也存在 f#@V)Hu^%Hgfdseasypassword 這樣的密碼。當他們將上千萬條盜來的經過鹽化的哈希值與這張新彩虹表比較時，他們也會能找到一些相同的匹配。
如何避免呢？
我們使用唯一的 “salt” 替代，每個用戶都不一樣。
一種備選 salt 是從數據庫中取得用戶的 ID：
hashlib.sha1(userid + password).hexdigest()
基於的假設是用戶的 ID 號永遠不會改變，一般這都是成立的。
我們也可以為每個用戶產生一個隨機字符串，把它作為這個唯一的“鹽化”字符串。但是我們需要保證要將這個唯一的“鹽化”字符串保存在用戶記錄的某個位置。
import hashlib, os
def unique_salt():
return hashlib.sha1(os.urandom(10)).hexdigest()[:22]
salt = unique_salt()
password = "" # str or int
hash = hashlib.sha1(salt + str(password)).hexdigest()
print(hash)
# 37dec03d2761122819f8708e6d5c8392ee02b40d
這種方法有效預防了使用彩虹表破解，因為現在每一個密碼都經過不同的值鹽化過，攻擊者需要生成一千萬個獨立的彩虹表，這實際上是不現實的。
問題4：Hash 速度
大多 Hash 函數在設計時都注重速度，因為它們常用於計算大數據集和文件的 checksum 值，來檢查數據的完整性。
如何利用呢？
就像我之前提到的，一個現代 PC 機帶有強大的 GPU（或者顯卡）可以完成每秒鍾上千次的 hash 運算。這種方法，他們可以使用暴力攻擊法，嘗試每個可能的密碼。
你可能認為需要不少於 8 位長度的密碼可能避免暴力破解，讓我們看下面的分析來決定是否真的能避免：
- 如果密碼包含小寫字母、大寫字母以及數字，也就是有
62 (26+26+10)種可能的字符。 - 一個 8 位長的字符串就有
62^8可能的組合，比 218 萬億略小一點。 - 以每秒十億的 hash 速率，大約在 60 個小時內就可以破解。
如果是 6 位長的密碼，這也相當普遍，只需要在 1 分鍾之內就可以破解。
如果要求 9 位或 10 位長度的密碼，這樣就會讓你的用戶體驗非常不好。
如何避免呢？
使用一個低速的 hash 函數。
假設你是用一個 hash 函數，在同樣的硬件下，每秒鍾只能進行 100 萬次 hash 運算，而不是 10 億次，暴力破解將會花費比以前多出 1000 倍的時間。那么 60 個小時將會變成將近 7 年！
一種你可以實現的方法是：
import hashlib
def my_hash(password, salt):
hash = hashlib.sha1(salt + password).hexdigest()
for i in range(1000):
hash = hashlib.sha1(hash).hexdigest()
return hash
print(my_hash("12345", "f#@V)Hu^%Hgfds"))
或者，你可以使用支持 “開銷參數”（例如 BLOWFISH）的算法。在 Python 中，可以利用 py-crypt 庫。
import bcrypt
def my_hash(password):
return bcrypt.hashpw(password, bcrypt.gensalt(10))
print(my_hash("atdk"))
#$2a$10$WNhGOdVhoZrrKgwxGa2VIuzfAvm9oFWZF9PIVtLIoU5LQOVGLuLrq
注意輸出：
- 第一個值是
$2a，表明我們使用的是 BLOWFISH 算法。 - 這種情形下第二個值是
$10，是“開銷參數”。是執行迭代的次數以 2 為對數的結果，它將會迭代(10 => 2^10 = 1024)次。這個數值可以在 4 到 31 范圍內變化。
讓我們運行例子：
import bcrypt, os, hashlib
def my_hash(password, unique_salt):
return bcrypt.hashpw(password, bcrypt.gensalt(10) + unique_salt)
def unique_salt():
return hashlib.sha1(os.urandom(10)).hexdigest()[:22]
password = "verysecret"
print(my_hash(password, unique_salt()))
# $2a$10$aHx0q.FE/tGvGWzlm6yePemYx9SAsBP2iSiy/uFx7pyjpy980Hita
結果包括算法（$2a），開銷參數（$10），使用的 22 位 salt，剩下的是計算的 hash 值。讓我們測試一下：
import bcrypt, os, hashlib
# assume this was pulled from the database
hash = "$2a$10$6XDaX/3kNby0jI9Ih/Re7.478DOMZK9OnA2mTxKUP0My.39N.jdky"
# assume this is the password the user entered to log back in
password = "verysecret"
def check_password(hash, password):
salt = hash[:29]
new_hash = bcrypt.hashpw(password, salt)
return hash == new_hash
if check_password(hash, password):
print("Access Granted")
else:
print("Access Denied")
當我們運行時，我們看到輸出 "Access Granted!"。
整合所有的問題
如果考慮到上面的所有問題，根據我們目前所學的，寫一個實用類：
import bcrypt, os, hashlib
class PassHash():
def unique_salt(self):
return hashlib.sha1(os.urandom(10)).hexdigest()[:22]
def hash(self, password):
return bcrypt.hashpw(password, bcrypt.gensalt(10) + self.unique_salt())
def check_password(self, hash, password):
full_salt = hash[:29]
new_hash = bcrypt.hashpw(password, full_salt)
return hash == new_hash
obj = PassHash()
a = obj.hash("12345")
print(a) # $2a$10$gBSbmXKanQJOTSabtX4wfOE2RT2mKDFbCY6r7cqCJSk2YPGjIDrou
b = obj.check_password(a, "12345")
print(b) # True
現在，我們可以在我們的表單中使用該類來 hash 我們密碼，確保安全性。
結論
這種 hash 密碼的方法對大多 web 應用已經足夠了。別忘記你還可以要求你的用戶使用更強的密碼，通過強制最小密碼長度，組合字符、數字和特殊字符等方法。