当前位置:首页 > 文章列表 > 文章 > python教程 > Python hmac.compare_digest 的类型约束与摘要校验边界

Python hmac.compare_digest 的类型约束与摘要校验边界

来源:17golang原创 2026-11-16 22:32:45 0浏览 收藏

Python 里校验 HMAC 时,hmac.compare_digest 只负责比较两个已经得到的摘要,不负责生成摘要,也不替你决定编码。最稳妥的配对是 digest() 对 digest(),或者 hexdigest() 对 hexdigest();一边是 bytes、另一边是 str 时,应先修正表示方式,而不是把异常吞掉。

要点速览
  • compare_digest 接受同类型的 ASCII str,或两个 bytes-like 对象。
  • digest() 返回二进制摘要,hexdigest() 返回十六进制字符串,二者不要交叉比较。
  • 长度不同会返回不相等;类型、长度等元信息仍可能被观察到,不能把它当成完整认证协议。

先把 HMAC 生成和摘要比较分开

HMAC 的计算需要密钥、消息和摘要算法;比较只回答“本地计算出的摘要是否等于外部提供的摘要”。职责分开后,排查会清楚很多:生成阶段关注密钥、消息字节和算法;比较阶段关注两边是不是同一种表示。

Python hmac.compare_digest 中 digest 与 hexdigest 两种摘要表示的类型配对说明图
图1:digest 与 hexdigest 的输入类型配对关系,这是原创静态结构说明图,不是运行截图。
import hashlib
import hmac

def verify_hex_signature(key: bytes, message: bytes, received_hex: str) -> bool:
    # 先按约定算法生成十六进制字符串,再和同类型输入比较。
    expected_hex = hmac.new(key, message, hashlib.sha256).hexdigest()
    # compare_digest 只负责比较,不负责生成 HMAC 或替你编码消息。
    return hmac.compare_digest(expected_hex, received_hex)

如果接口传来的是原始二进制摘要,就把两边都保留为 bytes:

def verify_raw_signature(key: bytes, message: bytes, received: bytes) -> bool:
    # digest() 返回原始字节,适合已经按二进制传输的摘要。
    expected = hmac.new(key, message, hashlib.sha256).digest()
    # 两个参数都是 bytes,避免 bytes 与 str 混比。
    return hmac.compare_digest(expected, received)

类型、编码和长度是三个不同的边界

compare_digest 要求两边同类型:可以都是 ASCII 范围内的 str,也可以都是 bytes-like 对象。不要把十六进制字符串直接和 digest() 的结果比较,也不要为了“兼容”随意对外部值做多次编码。

本地结果外部值处理方式
digest() 的 bytes原始 bytes直接比较
hexdigest() 的 strASCII 十六进制 str直接比较
bytesstr先统一协议表示,不能直接比较
固定长度摘要长度不同返回不相等,同时记录输入格式问题

这里的“统一”必须来自接口协议。例如,外部值约定为十六进制文本,就校验它是 ASCII 文本并使用 hexdigest();约定为 Base64,则应先按协议解码为字节,再和 digest() 的结果比较。不要先把任意字符串用 UTF-8 编码,再假定它就是摘要。

把 compare_digest 放在认证流程的最后一步

安全比较不能修复错误的密钥、消息拼接、算法选择或重放控制。它的价值是避免普通相等运算在摘要校验场景中的内容短路行为;官方文档同时提醒,类型和长度等信息仍可能泄露,因此不能把它描述成“所有时序信息都不可见”。

Python HMAC 校验中消息字节、摘要计算、compare_digest 和边界错误的职责分层说明图
图2:HMAC 校验的职责分层与类型错误边界,这是原创静态结构说明图,不是运行截图。
def verify_request(key: bytes, body: bytes, supplied_hex: str) -> bool:
    # 外部输入先按协议限制为 ASCII,异常输入直接判定失败。
    try:
        supplied_hex.encode("ascii")
    except UnicodeEncodeError:
        return False

    # 消息字节必须来自同一套规范化规则,不能在这里临时改编码。
    expected_hex = hmac.new(key, body, hashlib.sha256).hexdigest()
    # 比较只放在摘要已经算好之后,并保持两边都是 str。
    return hmac.compare_digest(expected_hex, supplied_hex)

排查时先看异常发生在哪一层:TypeError 多半是类型配对错了;返回 False 但长度不同,通常是传输格式或算法约定不一致;长度相同仍不相等,才继续核对消息原文、密钥和摘要算法。日志不要记录密钥或完整签名,可以只记录表示类型和长度。

常见问题

compare_digest 能直接生成签名吗?

不能。它只比较两个已有值;HMAC 应由 hmac.new、hmac.digest 或 HMAC 对象生成。

为什么 hexdigest 和 digest 不能直接比较?

前者是十六进制文本,后者是原始字节,表示和类型都不同。统一使用同一组 API 即可。

长度不同是不是一定代表攻击?

不一定,也可能只是摘要编码、算法或请求格式配置错了。应拒绝校验,并把它作为输入协议问题排查。

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
Java Formatter 怎样控制十六进制输出的宽度和补零Java Formatter 怎样控制十六进制输出的宽度和补零
上一篇
Java Formatter 怎样控制十六进制输出的宽度和补零
Pydantic model_validate_json 怎样在严格模式下解析请求体
下一篇
Pydantic model_validate_json 怎样在严格模式下解析请求体
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。
    1056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。
    1056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。
    1220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。
    1162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。
    1005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