java隨機數之Random和SecureRandom

一、前言

　　在一次項目的安全測試源代碼掃描中，報由random()實施的隨機數生成器不能抵擋加密攻擊。其中報漏洞的源代碼如下：

int number = (int) ((Math.random() * 9 + 1) * Math.pow(10, 6 -1));
String numStr = String.valueOf(number);

 　　其中的報漏洞的解釋是這樣說的，在對安全性要求較高的環境中，使用能夠生成可預測值的函數作為偽隨機數據源，會產生Insecure Randomness(不安全隨機性)錯誤。電腦是一種具有確定性的機器，因此不可能產生真正的隨機性，偽隨機數生成器（PRNG）近似於隨機算法，始於一個能計算后續數值的種子。PRNG 包括兩種類型： 統計學的 PRNG 和密碼學的 PRNG。 統計學的 PRNG 提供很多有用的統計屬性， 但其輸出結果很容易預測， 因此容易復制數值流。 在安全性所依賴的生成值不可預測的情況下， 這種類型並不適用。 密碼學的 PRNG 生成的輸出結果較難預測， 可解決這一問題。 為保證值的加密安全性， 必須使攻擊者根本無法、 或幾乎不可能鑒別生成的隨機值和真正的隨機值。 通常情況下， 如果並未聲明 PRNG 算法帶有加密保護， 那么它很可能就是統計學的 PRNG， 因此不應在對安全性要求較高的環境中使用， 否則會導致嚴重的漏洞（如易於猜測的密碼、 可預測的加密密鑰、 Session Hijacking 和 DNS Spoofing） 。

示例： 下面的代碼可利用統計學的 PRNG 為購買產品后仍在有效期內的收據創建一個 URL。

String GenerateReceiptURL(String baseUrl) {
　　Random ranGen = new Random();
　　ranGen.setSeed((new Date()).getTime());
　　return (baseUrl + ranGen.nextInt(400000000) + ".html");
}

　　這段代碼使用 Random.nextInt() 函數為它生成的收據頁面生成“唯一”的標識符。 由於 Random.nextInt() 是統計學的 PRNG， 攻擊者很容易猜到其生成的字符
串。 盡管收據系統的底層設計並不完善， 但若使用不會生成可預測收據標識符的隨機數生成器（如密碼學的 PRNG），就會更安全些。

二、解決方案
　　當不可預測性至關重要時， 如大多數對安全性要求較高的環境都采用隨機性， 這時可以使用密碼學的 PRNG。 不管選擇了哪一種 PRNG， 都要始終使用帶有充足熵的數值作為該算法的種子。 （諸如當前時間之類的數值只提供很小的熵， 因此不應該使用。 ）
　　Java 語言在 java.security.SecureRandom 中提供了一個加密 PRNG。 就像 java.security 中其他以算法為基礎的類那樣， SecureRandom 提供了與某個特定算法集合相關的包， 該包可以獨立實現。 當使用 SecureRandom.getInstance() 請求一個 SecureRandom 實例時， 您可以申請實現某個特定的算法。 如果算法可行， 那么您可以將它作為 SecureRandom 的對象使用。  如果算法不可行， 或者您沒有為算法明確特定的實現方法， 那么會由系統為您選擇 SecureRandom的實現方法。
　　Sun 在名為 SHA1PRNG 的 Java 版本中提供了一種單獨實現 SecureRandom 的方式， Sun 將其描述為計算：
“SHA-1 可以計算一個真實的隨機種子參數的散列值， 同時， 該種子參數帶有一個 64 比特的計算器， 會在每一次操作后加 1。 在 160 比特的 SHA-1 輸出中， 只能使用64 比特的輸出 1。 ”
然而， 文檔中有關 Sun 的 SHA1PRNG 算法實現細節的相關記錄很少， 人們無法了解算法實現中使用的熵的來源， 因此也並不清楚輸出中到底存在多少真實的隨機數值。盡管有關 Sun 的實現方法網絡上有各種各樣的猜測， 但是有一點無庸置疑， 即算法具有很強的加密性， 可以在對安全性極為敏感的各種內容中安全地使用。

三、使用：

案例1：

SecureRandom random1 = SecureRandom.getInstance("SHA1PRNG"); 
SecureRandom random2 = SecureRandom.getInstance("SHA1PRNG"); 
for (int i = 0; i < 5; i++) { 
    System.out.println(random1.nextInt() + " != " + random2.nextInt()); 
}
// 結果

// 704046703 != 2117229935
// 60819811 != 107252259
// 425075610 != -295395347
// 682299589 != -1637998900
// -1147654329 != 1418666937

案例2：獲取隨機字符串，參考微信(wxpay-sdk，java_sdk_v3.0.9)

import java.security.SecureRandom;
import java.util.Random;
public class WXPayUtil {
    private static final String SYMBOLS = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ";
    private static final Random RANDOM = new SecureRandom();
    /**
     * 獲取隨機字符串 Nonce Str
     *
     * @return String 隨機字符串
     */
    public static String generateNonceStr() {
        char[] nonceChars = new char[32];
        for (int index = 0; index < nonceChars.length; ++index) {
            nonceChars[index] = SYMBOLS.charAt(RANDOM.nextInt(SYMBOLS.length()));
        }
        return new String(nonceChars);
    }

    public static void main(String[] args) {
        System.out.println(WXPayUtil.generateNonceStr());
    }
}
// 結果
// oIjXt5Y9g2drzfzaR4hF9haaiDjSVDCX

 四、常用隨機數的一些匯總

　　對於像Math.random()等實現的隨機算法是偽隨機，也就是有規則的隨機。在進行隨機時，隨機算法的起源數字稱為種子數，在種子數的基礎上進行一定的交換，從而產生需要的隨機數字。在實際的項目開發過程中，經常需要產生一些隨機數值，例如網站登錄中的校驗數字等，或者需要以一定的幾率實現某種效果，游戲程序中的物品掉落，抽獎程序等。

1. Math.random() 靜態方法，產生的隨機數是 0 - 1 之間的一個 double，即 0 <= random <= 1.

缺點：結果可預測

舉例：

for (int i = 0; i < 10; i++) {
  System.out.println(Math.random());
}

0.3598613895606426
0.2666778145365811
0.25090731064243355
0.011064998061666276
0.600686228175639
0.9084006027629496
0.12700524654847833
0.6084605849069343
0.7290804782514261
0.9923831908303121

實現原理：

When this method is first called, it creates a single new pseudorandom-number generator, exactly as if by the expression new java.util.Random()
This new pseudorandom-number generator is used thereafter for all calls to this method and is used nowhere else.

當第一次調用 Math.random() 方法時，自動創建了一個偽隨機數生成器，實際上用的是 new java.util.Random()。當接下來繼續調用 Math.random() 方法時，就會使用這個新的偽隨機數生成器。

源碼如下：

public static double random() {
    Random rnd = randomNumberGenerator;
    if (rnd == null) rnd = initRNG(); // 第一次調用，創建一個偽隨機數生成器
    return rnd.nextDouble();
}
private static synchronized Random initRNG() {
    Random rnd = randomNumberGenerator;
    return (rnd == null) ? (randomNumberGenerator = new Random()) : rnd; // 實際上用的是new java.util.Random()
}

This method is properly synchronized to allow correct use by more than one thread. However, 
if many threads need to generate pseudorandom numbers at a great rate, it may reduce contention for each thread to have its own pseudorandom-number generator.

initRNG() 方法是 synchronized 的，因此在多線程情況下，只有一個線程會負責創建偽隨機數生成器（使用當前時間作為種子），其他線程則利用該偽隨機數生成器產生隨機數。

因此 Math.random() 方法是線程安全的。

什么情況下隨機數的生成線程不安全：

• 線程1在第一次調用 random() 時產生一個生成器 generator1，使用當前時間作為種子。
• 線程2在第一次調用 random() 時產生一個生成器 generator2，使用當前時間作為種子。
• 碰巧 generator1 和 generator2 使用相同的種子，導致 generator1 以后產生的隨機數每次都和 generator2 以后產生的隨機數相同。

什么情況下隨機數的生成線程安全： Math.random() 靜態方法使用

• 線程1在第一次調用 random() 時產生一個生成器 generator1，使用當前時間作為種子。
• 線程2在第一次調用 random() 時發現已經有一個生成器 generator1，則直接使用生成器 generator1。

public class JavaRandom {
    public static void main(String args[]) {
        new MyThread().start();
        new MyThread().start();
    }
}
class MyThread extends Thread {
    public void run() {
        for (int i = 0; i < 2; i++) {
            System.out.println(Thread.currentThread().getName() + ": " + Math.random());
        }
    }
}

結果：

Thread-1: 0.8043581595645333
Thread-0: 0.9338269554390357
Thread-1: 0.5571569413128877
Thread-0: 0.37484586843392464

 2. 對於其它的一些隨機數相關的工具類可參考java.util.Random 工具類、java.util.concurrent.ThreadLocalRandom 工具類、java.Security.SecureRandom、隨機字符串.（https://www.jianshu.com/p/2f6acd169202）

 

 

參考來源：

作者：專職跑龍套
鏈接：https://www.jianshu.com/p/2f6acd169202
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯系作者獲得授權並注明出處。