作者：EtherDream
原文：www.cnblogs.com/index-html/p/6045984.html
（
点击文末阅读原文即可前往
）
本文前半部分科普 KDF 函数的意义，后半部分探讨 KDF 在前端计算的可行性。
前言
几乎每隔一段时间，就会听到“XX 网站被拖库”的新闻。之后又会出现一些报道，分析该网站使用最多的密码是什么、有多少等等。
众所周知，密码在数据库中通常是以 Hash 值存储的，并且还加了盐。攻击者即使知道具体的 Hash 算法，也只能暴力破解。照理说这是极其费劲的，然而现实中却总有大量密码被破解，是什么导致安全性如此脆弱？
究其原因，莫过于这两点：口令密码、算法成本。
口令密码
密码可以记在很多地方。最常见的，就是记在自己脑袋里。当然还可以记在属于你的物品上，例如小本子、卡片等等，反正不用脑子记，不如设置的很长很乱，例如：
QQ: n5Py 2r8W qGyg 4tU6
GMail: 3TkS mVwQ hUrs wtmA
...
这种无意义的长串作密码，是很安全的。即使它们的 Hash 值以及算法泄露，攻击者想得到明文，只能暴力穷举所有组合：
泄露的值是 BF656DEC5DD8BA0B，泄露的算法是 f(x)。开始穷举...
尝试组合 f(x) 结果
aaaa aaaa aaaa aaaa 02F49B3EA5592B14 ×
aaaa aaaa aaaa aaab BD4E960D990DA3F3 ×
...
n5Py 2r8W qGyg 4tU5 4CEA28A904326A26 ×
n5Py 2r8W qGyg 4tU6 BF656DEC5DD8BA0B √
就算只有字母和数字，也要近 10^28 次才猜到。这是个天文数字，几乎不可行。所以，这种类型的密码还是很安全的。
然而现实中这么做的并不多。物品需要随身携带，非常不便，要是弄丢或者被偷，就更麻烦了。除非把它们都背下来，但这不又回到“记在脑袋里”这种方式了！
脑袋确实很安全，但容量也很有限。像上面那种毫无规律的字串，背一句都难，更别说多个了。所以，大家多少都会选些有意义、有规律的字串作为密码，例如
iloveyou2016
、
qwert12345
，或是手机号、生日等组合。这种不用死记硬背的字串，就是口令（pass word）。
口令虽然方便，但缺陷也很明显：因为它是有规律的，所以猜起来就容易多了。攻击者只需测试常用单词组合，没准就能猜到了：
泄露的值是 2B649D47C4546A3E，泄露的算法是 f(x)。开始跑字典...
尝试组合 f(x) 结果
...
qwert yuiop 52708233CFFD6BFD ×
qwert asdfg CD07933880702B97 ×
qwert zxcvb 343F78782D73AB3A ×
qwert 12345 2B649D47C4546A3E √
这个过程，就是所谓的“跑字典”。一本好的字典，可以极大的提升猜中几率。
算法成本
在字典相同的情况下，速度就显得尤为重要了。每秒可以猜多少次？这得看具体的算法。
例如 MD5 函数，每次调用大约需要 1 微秒，这意味着每秒可以猜 100 万次！（而且这还只是单线程的速度，用上多并发更是恐怖）
由此可见，算法越快，对破解者就越有利。假如每次调用需要 10 毫秒，那么每秒只能猜 100 次，这样就足足慢了一万倍！
然而不幸的是，常用的 Hash 函数都是很快的。因为它们生来就有多种用途，并非为口令处理而设计。例如计算一个大文件的校验值，速度显然很重要。
所以，用 MD5、SHA256 之类的“快函数”处理口令，是不合理的。包括一些简单的变种，例如 MD5(SHA256(x))，仍然属于“快函数”。一旦 Hash 值和算法泄露，很容易被“跑字典”破解。
现实中，由于不少网站使用了“快函数”来处理口令，因此数据库泄露后，大量口令被还原也就在所难免了。
增加成本
虽然 Hash 函数单次执行很快，但我们可以反复执行大量次数，这样总体耗时就变长了。例如：
functionslow_sha256(x)
for i = 0 to 100000
x = sha256(x)
end
return xend
在密码学中，这种方式叫做
拉伸
。现实中有不少方案，例如 PBKDF2 —— 它没有重头设计一种新算法，而是对现有的函数进行封装，从而更适合用于口令处理：
functionpbkdf2(fn, ..., iter)
...
for i = 0 to iter ...
x = fn(x, ...)
...
end
...
return xend
它有一个迭代参数，用于指定反复 Hash 的次数 —— 迭代次数越多，执行时间越长，破解也就越困难。
PBKDF（Password-Based Key Derivation Function，基于口令的秘钥导出函数），顾名思义，就是输入“口令”（有规律的字串）输出“秘钥”（无规律的长串）的函数，并且计算过程会消耗一定资源。本质上也是 Hash 函数，输出结果称之 DK（derived key）。
前端拉伸
拉伸次数越多虽然越安全，但这是以消耗服务端大量计算资源为代价的！为了能在安全和性能之间折衷，通常只选择几十到几百毫秒的计算时间。
服务端的计算量如此沉重，以至于不堪重负；而如今的客户端，系统资源却普遍过剩。能否让用户来分担一些计算量？
听起来似乎不可行。毕竟前端意味着公开，将密码相关的算法公开，不会产生安全问题吗。
先来回顾下，传统网站是如何处理口令的 —— 前端通常什么都不做，仅仅用于提交，口令都是由后端处理的：
现在，我们尝试对前端进行改造 —— 当用户在注册、登录等页面中提交时，
不再发送原始口令，而是口令的 DK
：
后端，则不做任何改动。（当然这会影响已有账号的使用，这里暂时先不考虑，假设这是个新网站）
这样，
即使用户的口令很简单，但相应的 DK 却仍是个毫无意义的长串
。通过 DK 的 Hash 值，是极难还原出 DK 的。（在本文开头就提到过了)
当然，攻击者更感兴趣的不是 DK，而是口令。这倒是可以破解的 —— 只需将前后端算法结合，形成一个新函数：
F(x) = server_hash(client_hash(x))
用这个最终函数 F 跑字典，还是可以猜口令的：
尝试组合 耗时 F(x) 结果
...
qwert yuiop 1s 1C525DC73898A8EF ×
qwert asdfg 1s F9C0A131F43F1969 ×
qwert zxcvb 1s 08F026D689D26746 ×
...
只不过其中有 client_hash 这道障碍，破解速度就大幅降低了！
所以，我们需要：
这样，就能将绝大多数的计算转移到前端，后端只需极少的处理，即可实现一个高强度的密码保护系统。
对抗预算
由于前端的一切都是公开的，所以 client_hash 的算法大家都知道。攻击者可以把常用口令的 DK 提前算出来，编成一个新字典。将来拖库后，直接跑这个“新字典”，就能节省大量时间了。
对于这种方式，就需要使用“加盐”处理（事实上 PBKDF 本身就需要提供盐参数）。例如，选择用户 ID 作为盐：
function client_hash(password, salt) {
return pbkdf2(sha256, password, salt, 1000000);}client_hash('888888', '[email protected]'); // b80c97beaa7ca316...client_hash('888888', '[email protected]'); // 465e26b9d899b05f...
这样即使
口令相同，但用户不同，生成的 DK 也是不同的
。攻击者只能针对特定账号生成字典，适用范围就小多了。
更进一步，我们甚至可将“网站 ID”也掺入盐中：
function client_hash(password, salt) {
return pbkdf2(sha256, password, salt, 1000000);}client_hash('888888', '[email protected]/www.site-a.com'); // 77a1b139aa93ac8b...client_hash('888888', '[email protected]/www.site-b.com'); // fab6b82e6a1d17d7...
这样即使同样的“账号密码”，在不同网站上生成的 DK 也是不一样了！
思考题：ID 是公开的，能不能选个隐蔽的字段作为 client_hash 的盐？
DK 泄露
DK 诞生于前端，后端对其 Hash 之后就不复存在了，所以它是个临时值。理想情况下，它是不会泄露的。
但在某些场合，DK 还是有可能泄露的。例如服务器中毒、网络传输被窃听等，都能导致 DK 泄露。
DK 泄露后，攻击者就能控制该账号了，这是无法避免的。但幸运的是，
DK 只是个无意义的长串而已，攻击者并不知道其背后的那个有意义的“口令”是什么
。因此其他使用类似口令的账号，就幸免于难了！
攻击者若要通过 DK 还原口令，就得用 client_hash 算法跑字典 —— 这个成本依然很大。相比之前的“最终函数 F”，只是少算一次 server_hash 而已。（server_hash 本来就很快，可以忽略不计）。所以即使 DK 泄露，破解口令难度基本没降低。
“账号被盗，口令拿不到”，这就是“前端 Hash”的意义。
额外意义
前端的拉伸计算，使得用户登陆时会耗费一定的系统资源。这个副作用，事实上也能起到一定的防御效果。
对于普通用户来说，登陆时额外花费几秒时间，或许影响不大；但对于频繁登录的人来说，将是一个极大的开销。有谁会极其频繁的登录？这很可能就是“撞库攻击者” —— 他们从其他地方弄到一堆账号口令，然后来这里撞运气，看看能成功登上多少。
由于我们是用 DK 登录的，因此攻击者也必须将待测的口令，先算出 DK 再提交，于是会增加不少计算成本。这和
上一篇
的 Proof-of-Work 有点类似。
如同拉伸弹簧需要付出能量，拉伸 Hash 同样需要投入实实在在的算力。
优化体验
事实上只要设计的合理，完全可以将“拉伸计算”的等待降到最小。例如，当用户输完账号和密码后，程序立即开始计算 DK，而不是等到提交时才开始计算。如果网站有验证码的话，即可在用户输入的同时进行计算。这样就能大幅提升用户体验。
另外，如果同个账号在浏览器中多次登录，是没必要每次都计算 DK 值的。当账号第一次登录时，我们可以将其 DK 值加密，缓存在本地存储里：
localstorage[username] = encrypt(dk, password)
下次重新登录时，先检查本地存储中，是否有上次的缓存记录。如果有，则用“当前输入的密码”对该值进行解密：
dk = decrypt(localstorage[username], password)
因为对称加解密是非常快的，所以可非常快的进行提交。如果后验证不通过（比如已经改过密码了），这才需要重新计算 DK，然后再提交。这样绝大多数情况下，登录都无需计算 DK。只有账号首次登录，或者清理了浏览器缓存，才会需要计算。
使用这种方式，即使攻击者拿到 localstorage 里的数据，不知道 password 也是没法算出 DK 的。就算用”跑字典“攻击，那么每“解密”出一个 DK，都要提交到后端验证一下，这样网络成本也不小。并且同个账号频繁请求登录，后端也是可用策略来限制的。
