Python实现AES加密教程
在信息安全日益重要的今天,数据加密是保护敏感信息的关键手段。本文将深入探讨如何使用Python实现AES(高级加密标准)数据加密。AES作为一种广泛应用的对称加密算法,其特点在于加密和解密使用相同的密钥。文章将详细介绍AES的原理、密钥长度(如常用的128位)、以及ECB和CBC等工作模式的选择(推荐使用更安全的CBC模式)。通过Python的pycryptodome库,我们可以轻松实现AES加密解密。本文将演示如何在Python中安装pycryptodome,并提供示例代码,展示如何在CBC模式下进行加密和解密操作,包括密钥和初始化向量(IV)的生成、明文的填充(PKCS#7方式)等关键步骤,并强调IV的随机生成和密钥的保密性,确保数据安全。
AES是常见的对称加密算法,Python可通过pycryptodome库实现,需理解其原理并掌握使用方法。1. AES使用相同密钥进行加密和解密,支持128、192、256位密钥长度,常用128位;2. 工作模式如ECB、CBC等,推荐使用CBC而非简单但不安全的ECB;3. Python中安装pycryptodome后,可利用AES模块进行加密解密操作;4. 密钥为16、24或32字节,IV通常为16字节;5. 明文需填充至16字节整数倍,常用PKCS#7方式,可用pad/unpad函数处理;6. 示例代码展示了CBC模式下加密与解密流程;7. 注意事项包括IV随机生成、密钥保密及确保加密/解密时key和IV一致。

数据加密是保护敏感信息的一种常见方式,而AES(高级加密标准)是一种广泛使用的对称加密算法。用Python实现AES加密并不难,关键是要理解它的基本原理和使用方法。

什么是AES?
AES 是一种对称加密算法,也就是说加密和解密使用的是同一个密钥。它支持128、192和256位的密钥长度,其中最常用的是128位(即16字节)。AES有多种工作模式,比如 ECB、CBC、CFB 等,不同模式适合不同的应用场景。
提示:ECB 模式虽然简单,但不推荐用于实际场景,因为它容易暴露明文结构。
Python中如何使用AES?
在 Python 中,我们可以使用 pycryptodome 这个第三方库来实现 AES 加密。首先需要安装:
pip install pycryptodome
然后就可以开始写代码了。下面以 CBC 模式为例,演示如何进行加密和解密。

使用AES进行加密的基本步骤:
- 密钥(key)必须是16、24或32字节长度
- 初始化向量(IV)通常是16字节
- 明文需要补齐到16字节的整数倍
如何处理明文填充?
由于 AES 是块加密算法,每次处理固定长度的数据块(16字节),所以当原始数据不足时,就需要进行填充。
常见的填充方式是 PKCS#7,例如:
- 如果还差一个字节就满16字节,那么填入一个值为0x01的字节;
- 如果刚好满了,就再加一块,全部填0x10。
可以手动实现填充逻辑,也可以借助 Crypto.Util.Padding 模块:
from Crypto.Util.Padding import pad, unpad data = b"Hello, world!" padded_data = pad(data, 16) # 自动补到16字节的倍数
这个模块也提供了 unpad 函数,在解密后用来去除多余部分。
示例代码:AES加密与解密
下面是一个完整的例子,使用 AES/CBC/PKCS7:
from Crypto.Cipher import AES from Crypto.Random import get_random_bytes from Crypto.Util.Padding import pad, unpad key = get_random_bytes(16) # 生成16字节随机密钥 iv = get_random_bytes(16) # 初始化向量 cipher = AES.new(key, AES.MODE_CBC, iv) # 加密 plaintext = b"This is a secret message." ciphertext = cipher.encrypt(pad(plaintext, 16)) # 解密 cipher_dec = AES.new(key, AES.MODE_CBC, iv) decrypted = unpad(cipher_dec.decrypt(ciphertext), 16) print(decrypted) # 输出原始明文
几点注意事项:
- IV 不需要保密,但每次加密最好都随机生成
- 密钥要妥善保存,不能泄露
- 如果加密/解密结果不对,检查是否用了相同的 IV 和 key
基本上就这些。只要注意好填充方式和工作模式,AES 在 Python 中还是挺好用的。
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Python实现AES加密教程》文章吧,也可关注golang学习网公众号了解相关技术文章。
HTML常见input类型有哪些?input标签全解析
- 上一篇
- HTML常见input类型有哪些?input标签全解析
- 下一篇
- HTML实现3D立方体旋转效果全解析
-
- 文章 · python教程 | 12小时前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 文章 · python教程 | 13小时前 | 配置 · python · Python教程 · 配置管理 Python 3.15 frozendict 不可变映射
- Python 3.15 frozendict 内置类型的配置使用场景
- 192浏览 收藏
-
- 文章 · python教程 | 16小时前 | 序列化 · python · Python pickle 进程池 multiprocessing Pool
- Python multiprocessing 进程池传递不可序列化对象
- 255浏览 收藏
-
- 文章 · python教程 | 17小时前 | 数据一致性 · Python教程 · Python 事务 自动提交 sqlite3 autocommit isolation_level
- Python sqlite3 事务模式与自动提交边界
- 197浏览 收藏
-
- 文章 · python教程 | 18小时前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 19小时前 | 面向对象 · python · Python教程 · InitVar __post_init__ Python dataclass 派生字段 field(init=False)
- Python dataclass __post_init__ 计算派生字段
- 303浏览 收藏
-
- 文章 · python教程 | 19小时前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 21小时前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 23小时前 | 异常处理 · 异步编程 · Python教程 · asyncio · 后台任务 任务取消 CancelledError Python asyncio asyncio.shield
- Python asyncio.shield 保护后台任务免受外层取消
- 407浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 416次使用
-
- 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。
- 496次使用
-
- 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。
- 504次使用
-
- 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。
- 450次使用
-
- 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。
- 281次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览


