当前位置:首页 > 文章列表 > Golang > Go问答 > 使用 bcrypt 和 KDF 在 Go 中生成特定长度的密钥

使用 bcrypt 和 KDF 在 Go 中生成特定长度的密钥

来源:stackoverflow 2024-03-26 16:09:37 0浏览 收藏

在 Go 中生成特定长度的密钥时,bcrypt 作为一种密码哈希算法,无法直接满足这一需求。而密钥派生算法(KDF)如 pbkdf2 和 scrypt,可以通过获取密码并生成指定长度的密钥来解决此问题。此外,可以通过将 bcrypt 的输出字符串作为 pbkdf2 的盐,巧妙地将 bcrypt 整合到 KDF 中,生成满足特定长度要求的密钥。

问题内容

Go 生态系统似乎只有一个基本的 bcrypt 实现 (golang.org/x/crypto/bcrypt),它留给开发人员作为练习,从编码的输出字符串中提取密钥,然后进一步将其扩展为如果您要将其用作加密密钥而不是仅仅将其作为密码存储在数据库中的某个位置,请满足特定的密钥长度。让我感到困惑的是,网上似乎没有任何针对 Go 或一般情况的快速处理这个概念的方法。

冒着自己动手引入错误的风险,我怀疑我将被迫使用scrypt,至少在 Go 中,它确实 > 采用输出长度参数。

我错过了什么吗? Go 中是否有一个 bcrypt 的实现,它接受密钥长度参数并直接管理生成可接受长度的密钥?


解决方案


bcrypt 不是密钥派生算法;它是一种密码哈希算法。

  • pbkdf2 可以获取密码并输出 n 所需的位
  • scrypt 可以获取密码并输出 n 所需的位

这些是密钥派生函数。它们获取密码并生成 n 位,然后您可以将其用作加密密钥。

bcrypt 无法做到这一点。 bcrypt 不是密钥派生函数。它是一个密码哈希函数。它始终输出相同数量的位。

额外奖励: bcrypt 始终准确输出 24 字节(192 位),因为 bcrypt 的输出是加密 orpheanbeholderscrydoubt 的结果。

注意:这不是 orpheanbeholderscrydoubt 散列的结果 - bcrypt 算法实际上是使用河豚密码对 orpheanbeholderscrydoubt 进行加密(并重复加密) 64 次)。

bcrypt 的优势来自于“昂贵的密钥设置”。

奖励:bcrypt 的优势来自于它昂贵这一事实。而“贵”则意味着内存。算法需要的内存越多,抵抗暴力攻击的能力就越强。

  • sha-2:可以在 128 字节 ram 中运行
  • bcrypt:不断占用 4 kb ram
  • scrypt:不断占用 16 mb ram(android 和 litecoin 的默认配置)
  • argon2:通常建议您将其配置为 1 gb ram

防御暴力攻击意味着防御并行化。需要 128 字节的算法可以在 1 gb 显卡上进行 700 万次并行操作。

scrypt 需要 16 mb ram,只能并行运行 62 个。

argon2 使用 1 gb ram,只能在显卡上运行 1 个。无论如何,它在 cpu 上运行得更快。

将 bcrypt 整合到密钥派生函数 (kdf)

您可以将 bcrypt 拼凑成密钥派生函数。您可以使用标准函数 pbkdf2 来为您完成此操作。

通常pbkdf2被称为:

string password = "hunter2";
string salt     = "sea salt 69 nice";

byte[] key = pbkdf2(password, salt, 32, 10000); //32-bytes is 256 bits

但是您可以使用 bcrypt 字符串结果作为盐:

string password = "hunter2";
string salt     = bcrypt.hashpassword(password, 12);

byte[] key = pbkdf2(password, salt, 32, 1); //32-bytes is 256-bits

现在您已经生成了一个 256 位密钥“使用 bcrypt”。这是一个巧妙的技巧。

事实上,这个黑客攻击非常巧妙,字面上就是scrypt所做的:

String password = "hunter2";
String salt     = ScryptExpensiveKeyHash(password, userSalt, ...);

Byte[] key = PBKDF2(password, salt, 32, 1); //32-bytes is 256-bits

结论

bcrypt 不是密钥导出函数。这是 pbkdf2、scrypt(使用 pbkdf2)和 argon2 等函数的目标。

仅允许 nist 批准的算法时使用 bcrytp

将 pbkdf2 结构与 bcrypt 结合使用还有另一个充分的理由。

有时,不知道自己在说什么的“安全专家”会坚持您使用 pbdkf2 进行密钥派生。 (是的,它确实发生了)。你会试图一遍又一遍地告诉他们,pbdkf2 是一个非常弱的密钥导出系统(它所基于的 sha2 运行速度太快,10,000 或 100,000 次迭代远远不足以保护你免受暴力攻击 -这就是 bcrypt、scrypt 和 argon2 的发明目的)。

但是这个人不会放过它,并且会要求使用pbkdf2。通过这种结构,您仍然可以使用 bcrypt 来确保安全,并使用 pbkdf2 来满足无知者的需要。

你只是碰巧使用了强“盐”。

今天关于《使用 bcrypt 和 KDF 在 Go 中生成特定长度的密钥》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
解密Golang数组Xtea ECB算法的字节数组解密Golang数组Xtea ECB算法的字节数组
上一篇
解密Golang数组Xtea ECB算法的字节数组
学习使用Vue.js插件封装消息框组件的VUE3入门教程
下一篇
学习使用Vue.js插件封装消息框组件的VUE3入门教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    433次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    508次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    524次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    465次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    295次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码