当前位置:首页 > 文章列表 > Golang > Go教程 > Go crypto/rand 如何生成不可预测的随机字节

Go crypto/rand 如何生成不可预测的随机字节

来源:17golang原创 2026-09-12 19:51:22 0浏览 收藏

给登录链接、邮箱验证或会话令牌取随机值时,优先使用 Go 标准库的 crypto/rand,不要用 math/rand 代替。最短的做法是分配固定长度的字节切片,再调用 rand.Read;它会填满切片,随后用 base64.RawURLEncoding 编码,得到适合放进 URL 的字符串。

官方地址:https://pkg.go.dev/crypto/rand

普通业务直接用 rand.Read 生成固定长度字节即可;只有在注入自定义 io.Reader、编写故障测试或需要观察底层错误时,才改用 io.ReadFull 并显式检查错误。
要点速览
  • crypto/rand 面向不可预测的随机值,math/rand 只适合模拟和普通抽样。
  • 32 字节原始随机值有 256 位空间,编码后长度会变长,但随机性来自原始字节。
  • 不要把令牌原文写入日志;Reader 失败时也不要静默生成一段普通随机数顶上。

生成随机字节并编码成令牌

这里先做一个够小、也容易复用的函数。rand.Read 作用在已经分配好的切片上,成功后 n 应等于切片长度。示例把随机字节编码成不带填充符的 URL 安全 Base64,令牌不会因为 +/ 或尾部 = 影响链接传递。

package main

import (
    "crypto/rand"
    "encoding/base64"
    "fmt"
)

func newToken() (string, error) {
    // 固定 32 字节,令牌的随机空间来自这里,而不是编码后的字符数。
    raw := make([]byte, 32)
    // rand.Read 会填满 raw;返回错误时不要继续使用不完整的数据。
    if _, err := rand.Read(raw); err != nil {
        return "", fmt.Errorf("读取安全随机字节: %w", err)
    }
    // RawURLEncoding 适合放到查询参数或路径中,并省略尾部填充符。
    return base64.RawURLEncoding.EncodeToString(raw), nil
}

这里的错误分支按接口习惯保留,便于以后把实现替换成可注入 Reader;在当前 Go 文档里,默认 rand.Read 会填满目标切片且不会返回错误,底层默认随机源发生不可恢复错误时程序会终止。因此调用方不应把返回值当成“可能只填了一半”的普通读取。

Go crypto/rand 从 rand.Reader 生成固定长度字节并经过 base64.RawURLEncoding 输出令牌的结构示意图
图1:随机源、固定长度字节和 URL 安全令牌之间的结构示意;它用于理解代码边界,不是实际运行截图。

字节长度和编码格式怎么选

字节数先按安全目标决定,再考虑字符串长度。32 字节通常适合会话令牌和一次性链接;如果协议已有更短的密钥空间要求,可以单独评估,不要为了省几个字符随意截断。Base64 只是表示层,不会增加随机性。

场景原始值建议
会话或重置令牌固定字节切片生成后只保存摘要或受控密文,避免日志泄露
链接传输随机字节使用 base64.RawURLEncoding,不要手写字符表
模拟数据可复现序列使用 math/rand,不要拿它做认证秘密

令牌长度检查也很简单:生成后检查字节切片长度,不要通过打印令牌来判断成功。日志里最多记录请求编号、字节长度和错误类型,不能记录完整秘密值。

什么时候需要显式处理读取错误

如果函数接受一个外部传入的 io.Reader,就不能假定它拥有默认 rand.Reader 的保证。测试中可以注入 faultReadererrRandomSource,让底层返回错误,再用 io.ReadFull 检查是否填满目标缓冲区。

package token

import (
    "crypto/rand"
    "fmt"
    "io"
)

func readBytes(src io.Reader, size int) ([]byte, error) {
    // size 来自调用方,先拒绝无意义的负数,避免分配前才发现问题。
    if size 

这个版本把“随机源”作为依赖传入,所以测试可以用会立即返回错误的替身验证业务分支。生产代码则把 rand.Reader 作为默认实现。不要为了捕获极少见的底层错误而退回 math/rand;如果安全随机源失败,返回错误或让进程按标准库策略停止,都比悄悄降级可靠。

Go io.Reader、rand.Reader、io.ReadFull 与 faultReader 错误边界的结构示意图
图2:默认随机源与可注入 Reader 的错误处理边界示意;连线表达静态依赖,不代表真实执行结果。

发布前的检查清单

  • 秘密值来自 crypto/rand,而不是 math/rand 或时间戳拼接。
  • 原始字节长度在代码中是明确数字或配置,不通过截断编码字符串凑长度。
  • 生成失败时返回错误;不记录完整令牌,也不生成备用的可预测值。
  • 测试需要失败分支时注入 io.Reader,用 io.ReadFull 验证短读和错误。

相关问题

crypto/rand 和 math/rand 可以互换吗?

不能。前者用于不可预测的安全随机值,后者适合模拟、抽样和可复现实验;认证令牌不应依赖后者。

为什么生成了随机字节还要 Base64 编码?

字节可以包含不可见值,Base64 只是把它转换为可传输文本;安全强度由编码前的字节长度决定。

rand.Read 返回的 n 要不要检查?

默认 rand.Read 会填满切片;采用可注入 io.Reader 时,应使用 io.ReadFull 并同时检查返回错误。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
AI Agent 记忆如何区分用户事实和临时对话AI Agent 记忆如何区分用户事实和临时对话
上一篇
AI Agent 记忆如何区分用户事实和临时对话
CNCF 项目进入 Sandbox 后贡献者应先查哪些流程
下一篇
CNCF 项目进入 Sandbox 后贡献者应先查哪些流程
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
  • 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。
    107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。
    22次使用
  • OpenCompass大模型评测体系详解:功能、使用指南与应用场景
    OpenCompass
    OpenCompass是上海AI实验室推出的开源大模型评测平台,提供CompassKit、CompassHub和CompassRank三大核心组件,支持LLM及多模态模型的一站式标准化评估与排行榜查询。
    33次使用
  • AGI-Eval大模型评测平台:权威榜单、数据集与人机协同评测方案
    AGI-Eval
    AGI-Eval是由上海交大等高校联合发布的大模型评测社区,提供公正透明的LLM能力榜单、多领域评测集及Data Studio数据服务,助力AI模型性能评估与NLP科研开发。
    23次使用
  • SuperCLUE中文大模型评测基准:功能、能力维度与应用指南
    SuperCLUE
    SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
    260次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码