Python密码安全存储:hash与salt实战指南
在Python中安全存储密码绝非简单哈希,而是必须采用加盐哈希(salted hash)这一行业标准实践——通过每次生成唯一随机salt,并结合bcrypt或Argon2等抗暴力、内存硬性、可调参的现代密码学哈希算法,彻底杜绝彩虹表攻击和GPU加速破解;本文手把手演示如何用bcrypt快速落地(自动管理salt与哈希)、用Argon2应对高安全需求,并一一点破md5/sha1禁用原因及“多层哈希”等常见致命误区,助你写出真正经得起实战考验的认证逻辑。

Python中安全存储密码不能直接明文保存,必须使用加盐哈希(salted hash)。核心原则是:每次生成唯一随机 salt,再用密码学安全的哈希函数(如 bcrypt、argon2 或 pbkdf2)混合 salt 计算哈希值,最后将 salt 和哈希值一起持久化存储。
为什么不能用普通哈希(如 md5、sha1)
md5、sha1 等快速哈希算法专为校验设计,不是为密码保护而生。攻击者可用彩虹表或 GPU 暴力穷举在毫秒级破解弱口令。即使加固定 salt,也无法抵御针对性字典攻击。
安全哈希需满足三点:
• 计算慢(增加暴力成本)
• 内置随机 salt(防止相同密码哈希一致)
• 可调参数(适应硬件演进)
推荐方案:使用 bcrypt(最成熟易用)
bcrypt 内置 salt 生成与存储,自动处理编码兼容性,是 Python 生态中最广泛验证的选择。
安装与基本用法:
>>> pip install bcrypt
存储密码(注册/修改时):
import bcrypt
password = b"my_secure_password123"
# 生成带随机 salt 的哈希(默认 rounds=12)
hashed = bcrypt.hashpw(password, bcrypt.gensalt())
# hashed 形如 b'$2b$12$...',已含 salt 和哈希,可直接存数据库
print(hashed)
验证密码(登录时):
# 从数据库取出完整 hashed 字节串
stored_hash = b'$2b$12$...' # 之前保存的值
if bcrypt.checkpw(b"input_password", stored_hash):
print("登录成功")
else:
print("密码错误")
进阶选择:argon2(NIST 推荐,抗 GPU/ASIC)
argon2 是 2015 年密码哈希竞赛冠军,内存硬性设计更难被专用硬件加速,适合高安全场景。
安装与使用:
>>> pip install argon2-cffi
存储:
from argon2 import PasswordHasher
ph = PasswordHasher(time_cost=3, memory_cost=65536, parallelism=4)
hash_str = ph.hash("my_password") # 返回完整字符串,含参数、salt、hash
# 示例:$argon2id$v=19$m=65536,t=3,p=4$...
验证:
try:
ph.verify(hash_str, "my_password")
print("验证通过")
except Exception:
print("验证失败")
避坑提醒:关键细节不能省
• salt 必须每次独立生成:绝不可复用或硬编码。bcrypt.gensalt() 和 argon2 的 hash() 已内置该逻辑。
• 哈希结果以字符串形式存储(非 raw bytes):bcrypt 输出是 base64 编码的 ASCII 字符串;argon2 默认也是可读字符串。数据库字段建议用 VARCHAR(255)。
• 验证时不要自己拆解 salt:bcrypt.checkpw() 和 argon2.verify() 已自动提取并重算,手动解析易出错且不安全。
• 不要尝试“多层哈希”或自定义混淆:比如 sha256(md5(pwd)+salt),这违背密码学工程原则,反而削弱安全性。
今天关于《Python密码安全存储:hash与salt实战指南》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
今日头条内容审核怎么开启?
- 上一篇
- 今日头条内容审核怎么开启?
- 下一篇
- 词嵌入是什么?NLP新手必学教程
-
- 文章 · python教程 | 21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 | 22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 | 1天前 | 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 | 1天前 | 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 | 1天前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 1天前 | 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 | 1天前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 1天前 | 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。
- 422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。
- 502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。
- 511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。
- 457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。
- 288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

