当前位置:首页 > 文章列表 > 文章 > python教程 > Python密码学:加密算法库实战指南!

Python密码学:加密算法库实战指南!

2025-06-05 23:04:55 0浏览 收藏

目前golang学习网上已经有很多关于文章的文章了,自己在初次阅读这些文章中,也见识到了很多学习思路;那么本文《Python密码学:加密算法库实战指南! 》,也希望能帮助到大家,如果阅读完后真的对你学习文章有帮助,欢迎动动手指,评论留言并分享~

Python在密码学领域常用场景包括对称加密、哈希处理和非对称加密。1.使用cryptography库实现AES-GCM对称加密,可加密和解密数据,需注意nonce唯一性和密钥保密;2.用hashlib结合salt及bcrypt实现安全密码存储,避免使用MD5或SHA-1;3.通过PyCryptodome进行RSA非对称加密,适合小数据加密和数字签名,私钥必须严格保密。这些方法覆盖了常见需求,推荐使用成熟库并遵循最佳实践以确保安全性。

Python密码学基础 Python加密算法库实战

Python 在密码学领域的应用非常广泛,尤其适合用来实现加密、解密、签名和验证等操作。如果你是刚接触这个方向的开发者,可能会对 Python 提供哪些加密库、怎么用它们做基本的加解密感到有点迷茫。其实只要掌握几个常用库和使用方式,就能快速上手实战。

下面从几个实际场景出发,说说你最可能需要用到的几种情况和做法。


使用 cryptography 做对称加密(AES)

在很多场景下,我们只需要用一个密钥来加密和解密数据,这时候对称加密是最直接的选择。常用的算法有 AES(高级加密标准),而 Python 的 cryptography 库就很好地支持它。

举个例子:你想把一段文本加密后保存到文件或数据库里,之后还能还原回来。

  • 安装方法:pip install cryptography
  • 推荐使用 AES-GCM 模式,因为它不仅加密还带认证,防止数据被篡改
from cryptography.hazmat.primitives.ciphers.aead import AESGCM
import os

key = AESGCM.generate_key(bit_length=256)
aesgcm = AESGCM(key)
nonce = os.urandom(12)  # 必须唯一且不可重复使用
data = b"这是要加密的数据"
encrypted = aesgcm.encrypt(nonce, data, None)
decrypted = aesgcm.decrypt(nonce, encrypted, None)

注意点:

  • nonce 不能重复使用,否则会破坏安全性
  • 加密后的数据通常需要连同 nonce 一起存储或传输,但不需要保密
  • 密钥必须安全保管,泄露了就等于数据也泄露了

使用 hashlib 实现哈希计算与密码存储

很多时候我们不直接存储用户密码,而是存储它的哈希值。这时候就要用到像 SHA-256、SHA-3 这类哈希算法。

比如注册登录系统中,用户输入密码后,程序应该只保留它的哈希结果:

import hashlib

password = b"user_password_123"
hash_obj = hashlib.sha256(password)
print(hash_obj.hexdigest())

更推荐的做法是加上 salt(盐值)并使用专门的密码哈希函数如 bcrypt 或 scrypt:

pip install bcrypt
import bcrypt

password = b"mysecretpassword"
salt = bcrypt.gensalt()
hashed = bcrypt.hashpw(password, salt)
# 验证时
if bcrypt.checkpw(password, hashed):
    print("匹配")

要点:

  • 不要用 MD5 或 SHA-1,这些已经被证明不够安全
  • 加盐是为了防止彩虹表攻击
  • 选择 bcrypt、scrypt 或 argon2 更适合密码存储

使用 PyCryptodome 实现非对称加密(RSA)

当你需要一对密钥(公钥和私钥),并且希望别人用你的公钥加密信息,只有你能用私钥解密,这时候就需要非对称加密。RSA 是常见的一种方式。

安装方法:pip install pycryptodome

生成密钥对并加密:

from Crypto.PublicKey import RSA
from Crypto.Cipher import PKCS1_OAEP

key = RSA.generate(2048)
private_key = key.export_key()
public_key = key.publickey().export_key()

# 用公钥加密
cipher_rsa = PKCS1_OAEP.new(RSA.import_key(public_key))
encrypted_data = cipher_rsa.encrypt(b"Secret message")

# 用私钥解密
cipher_rsa = PKCS1_OAEP.new(RSA.import_key(private_key))
decrypted_data = cipher_rsa.decrypt(encrypted_data)

注意事项:

  • 非对称加密适合小数据,不适合大文件
  • 一般用于传输对称密钥或签名
  • 私钥必须严格保密,丢了就无法恢复

小结

以上几种情况涵盖了大多数 Python 开发者在密码学方面的需求。你可以根据具体业务选择合适的加密方式:

  • 对称加密 → 数据量大、速度快,适合本地加密
  • 哈希处理 → 存储密码、校验完整性
  • 非对称加密 → 安全通信、数字签名

基本上就这些。别看步骤多,只要熟悉流程,用起来并不难。不过还是那句话,密码学是个专业领域,自己实现算法风险很大,最好使用成熟库,并遵循最佳实践。

本篇关于《Python密码学:加密算法库实战指南! 》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

怎么清除win10电脑剪切板数据怎么清除win10电脑剪切板数据
上一篇
怎么清除win10电脑剪切板数据
PHP多维数组替换值?看我这招!
下一篇
PHP多维数组替换值?看我这招!
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。
    395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。
    476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。
    482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。
    426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。
    253次使用