聊一聊随机数安全

0x00 简介


和朋友聊到一个比较有意思的现象,在最近两年的校招面试中,大部分同学连一点基础的密码学知识都没有, 即便是有一些渗透功底的同学。

所以这里想和大家聊一些简单的密码学基础知识,不涉及算法实现,更多的是和常见的漏洞场景联系起来,让问题更容易理解,有点抛砖引玉的意思。

本文主要聊一下随机数,随机数其实是非常广泛的,可以说也是密码技术的基础。

对随机数的使用不当很可能会导致一些比较严重的安全问题, 并且这些安全问题通常会比较隐蔽。

0x01 随机数


概述

随机数在计算机应用中使用的比较广泛,最为熟知的便是在密码学中的应用。本文主要是讲解随机数使用导致的一些Web安全风。

我们先简单了解一下随机数

p2

p3

分类

随机数分为真随机数和伪随机数,我们程序使用的基本都是伪随机数,其中伪随机又分为强伪随机数和弱伪随机数。

  1. 真随机数,通过物理实验得出,比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等
  2. 伪随机数,通过一定算法和种子得出。软件实现的是伪随机数
    1. 强伪随机数,难以预测的随机数
    2. 弱伪随机数,易于预测的随机数

特性

随机数有3个特性,具体如下:

  1. 随机性:不存在统计学偏差,是完全杂乱的数列
  2. 不可预测性:不能从过去的数列推测出下一个出现的数
  3. 不可重现性:除非将数列本身保存下来,否则不能重现相同的数列

随机数的特性和随机数的分类有一定的关系,比如,弱伪随机数只需要满足随机性即可,而强位随机数需要满足随机性和不可预测性,真随机数则需要同时满足3个特性。

引发安全问题的关键点在于不可预测性。

伪随机数的生成

我们平常软件和应用实现的都是伪随机数,所以本文的重点也就是伪随机数。

伪随机数的生成实现一般是算法+种子

具体的伪随机数生成器PRNG一般有:

  1. 线性同余法
  2. 单向散列函数法
  3. 密码法
  4. ANSI X9.17

比较常用的一般是线性同余法,比如我们熟知的C语言的rand库和Java的java.util.Random类,都采用了线性同余法生成随机数。

应用场景

随机数的应用场景比较广泛,以下是随机数常见的应用场景:

  • 验证码生成
  • 抽奖活动
  • UUID生成
  • SessionID生成
  • Token生成
    • CSRF Token
    • 找回密码Token
  • 游戏(随机元素的生成)
    • 洗牌
    • 俄罗斯方块出现特定形状的序列
    • 游戏爆装备
  • 密码应用场景
    • 生成密钥:对称密码,消息认证
    • 生成密钥对:公钥密码,数字签名
    • 生成IV: 用于分组密码的CBC,CFB和OFB模式
    • 生成nonce: 用于防御重放攻击; 分组密码的CTR模式
    • 生成盐:用于基于口令的密码PBE等

0x02 随机数的安全性


相比其他密码技术,随机数很少受到关注,但随机数在密码技术和计算机应用中是非常重要的,不正确的使用随机数会导致一系列的安全问题。

随机数的安全风险

随机数导致的安全问题一般有两种

  1. 应该使用随机数,开发者并没有使用随机数
  2. 应该使用强伪随机数,开发者使用了弱伪随机数

第一种情况,简单来讲,就是我们需要一个随机数,但是开发者没有使用随机数,而是指定了一个常量。当然,很多人会义愤填膺的说,sb才会不用随机数。但是,请不要忽略我朝还是有很多的。主要有两个场景:

开发者缺乏基础常识不知道要用随机数;

一些应用场景和框架,接口文档不完善或者开发者没有仔细阅读等原因。

比如找回密码的token,需要一个伪随机数,很多业务直接根据用户名生成token;

比如OAuth2.0中需要第三方传递一个state参数作为CSRF Token防止CSRF攻击,很多开发者根本不使用这个参数,或者是传入一个固定的值。由于认证方无法对这个值进行业务层面有效性的校验,导致了OAuth的CSRF攻击。

第二种情况,主要区别就在于伪随机数的强弱了,大部分(所有?)语言的API文档中的基础库(常用库)中的random库都是弱伪随机,很多开发自然就直接使用。但是,最重要也最致命的是,弱伪随机数是不能用于密码技术的

还是第一种情况中的找回密码场景,关于token的生成, 很多开发使用了时间戳作为随机数(md5(时间戳),md5(时间戳+用户名)),但是由于时间戳是可以预测的,很容易就被猜解。不可预测性是区分弱伪随机数和强伪随机数的关键指标

当然,除了以上两种情况,还有一些比较特别的情况,通常情况下比较少见,但是也不排除:

  1. 种子的泄露,算法很多时候是公开的,如果种子泄露了,相当于随机数已经泄露了;
  2. 随机数池不足。这个严格来说也属于弱伪随机数,因为随机数池不足其实也导致了随机数是可预测的,攻击者可以直接暴力破解。

漏洞实例

wooyun上有很多漏洞,还蛮有意思的,都是和随机数有关的。

PS:个人实力有限,以下实例基本都来自wooyun漏洞实例,在这里谢谢各位大牛,如有侵权,请联系删除。

1.应该使用随机数而未使用随机数

Oauth2.0的这个问题特别经典,除了wooyun实例列出来的,其实很多厂商都有这个问题。

Oauth2.0中state参数要求第三方应用的开发者传入一个CSRF Token(随机数),如果没有传入或者传入的不是随机数,会导致CSRF登陆任意帐号:

  1. 唯品会账号相关漏洞可通过csrf登录任意账号
  2. 人人网-百度OAuth 2.0 redirect_uir CSRF 漏洞

2.使用弱伪随机数

1) 密码取回

很多密码找回的场景,会发送给用户邮件一个url,中间包含一个token,这个token如果猜测,那么就可以找回其他用户的密码。

1.Shopex 4.8.5密码取回处新生成密码可预测漏洞

直接使用了时间函数microtime()作为随机数,然后获取MD5的前6位。

#!php
substr(md5(print_r(microtime(),true)),0,6);

PHP 中microtime()的值除了当前服务器的秒数外,还有微秒数,微妙数的变化范围在0.000000 -- 0.999999 之间,一般来说,服务器的时间可以通过HTTP返回头的DATE字段来获取,因此我们只需要遍历这1000000可能值即可。但我们要使用暴力破解的方式发起1000000次网络请求的话,网络请求数也会非常之大。可是shopex非常贴心的在生成密码前再次将microtime() 输出了一次:

#!php
$messenger = &$this->system->loadModel('system/messenger');echo microtime()."<br/>";

2.奇虎360任意用户密码修改

直接是MD5(unix时间戳)

3.涂鸦王国弱随机数导致任意用户劫持漏洞,附测试POC

关于找回密码随机数的问题强烈建议大家参考拓哥的11年的文章《利用系统时间可预测破解java随机数| 空虚浪子心的灵魂》

2) 其他随机数验证场景

弱伪随机数被绕过

Espcms中一处SQL注入漏洞的利用,利用时发现espcms对传值有加密并且随机key,但是这是一个随机数池固定的弱伪随机数,可以被攻击者遍历绕过

使用了microtime()作为随机数,可以被预测暴力破解

Android 4.4之前版本的Java加密架构(JCA)中使用的Apache Harmony 6.0M3及其之前版本的SecureRandom实现存在安全漏洞,具体位于classlib/modules/security/src/main/java/common/org/apache/harmony/security/provider/crypto/SHA1PRNG_SecureRandomImpl.java

类的engineNextBytes函数里,当用户没有提供用于产生随机数的种子时,程序不能正确调整偏移量,导致PRNG生成随机序列的过程可被预测。

安全建议

上面讲的随机数基础和漏洞实例更偏重是给攻击者一些思路,这里更多的是一些防御和预防的建议。

  1. 业务场景需要使用随机数,一定要使用随机数,比如Token的生成;
  2. 随机数要足够长,避免暴力破解;
  3. 保证不同用处的随机数使用不同的种子
  4. 对安全性要求高的随机数(如密码技术相关)禁止使用的弱伪随机数:
    1. 不要使用时间函数作为随机数(很多程序员喜欢用时间戳) Java:system.currenttimemillis() php:microtime()
    2. 不要使用弱伪随机数生成器 Java: java.util.Random PHP: rand() 范围很小,32767 PHP: mt_rand() 存在缺陷
  5. 强伪随机数CSPRNG(安全可靠的伪随机数生成器(Cryptographically Secure Pseudo-Random Number Generator)的各种参考
Platform CSPRNG
PHP mcrypt_create_iv, openssl_random_pseudo_bytes
Java java.security.SecureRandom
Dot NET (C#, VB) System.Security.Cryptography.RNGCryptoServiceProvider
Ruby SecureRandom
Python os.urandom
Perl Math::Random::Secure
C/C++ (Windows API) CryptGenRandom
Any language on GNU/Linux or Unix Read from /dev/random or /dev/urandom

6.强伪随机数生成(不建议开发自己实现)

产生高强度的随机数,有两个重要的因素:种子和算法。算法是可以有很多的,通常如何选择种子是非常关键的因素。 如Random,它的种子是System.currentTimeMillis(),所以它的随机数都是可预测的, 是弱伪随机数。

强伪随机数的生成思路:收集计算机的各种信息,键盘输入时间,内存使用状态,硬盘空闲空间,IO延时,进程数量,线程数量等信息,CPU时钟,来得到一个近似随机的种子,主要是达到不可预测性。

0x03 附


参考资料:

©乌云知识库版权所有 未经许可 禁止转载


30
无聊 2016-05-27 17:49:53

学习

30
2223 2016-05-27 17:49:18

@222 33

30
222 2016-05-27 17:48:56

@信息 资质

30
信息 2016-05-27 17:47:25

@信息 喜讯

30
信息 2016-05-27 17:47:09

喜讯

30
Mark 2016-05-25 11:41:14

有意思

30
Chinalover 2016-05-24 16:56:01

有些CTF题目里也考到这个了。。随机数可预测

30
xxx 2016-05-24 11:03:51

不可重现性 这个是错误的

感谢知乎授权页面模版