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
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。
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 强伪随机数，难以预测的随机数弱伪随机数，易于预测的随机数特性
随机数有3个特性，具体如下：
随机性：不存在统计学偏差，是完全杂乱的数列不可预测性：不能从过去的数列推测出下一个出现的数不可重现性：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：
线性同余法单向散列函数法密码法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
应该使用随机数，开发者并没有使用随机数;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：
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;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登陆任意账号：
唯品会账号相关漏洞可通过csrf登录任意账号人人网-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。
?
1
#!phpsubstr(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：
?
1
2
#!php$messenger = &$this->system->loadModel('system/messenger');echo microtime()."
";
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
CmsEasy最新版暴力注入(加解密缺陷/绕过防注入)
弱伪随机数被绕过
Espcms v5.6 暴力注入
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
Destoon B2B 2014-05-21最新版绕过全局防御暴力注入(官方Demo可重现)
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。
Android SecureRandom漏洞详解安全建议
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。
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;随机数要足够长，避免暴力破解;保证不同用处的随机数使用不同的种子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： 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()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 Pythonos.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。
