OWASP ASVS 密码存储哈希函数标准优化解读
2025-06-27 16:19:00作者:牧宁李
在密码学领域,密码存储方案的选择直接关系到系统的安全性。OWASP应用安全验证标准(ASVS)近期针对密码存储哈希函数列表进行了重要讨论,本文将从技术角度剖析优化要点。
算法选择优化
当前标准推荐的算法包括Argon2、scrypt、bcrypt和PBKDF2系列,经过讨论后形成以下共识:
-
Argon2id成为首选方案
- 明确仅推荐Argon2id变体(而非Argon2d/i),因其具备更强的侧信道攻击防护
- 参数要求细化为:内存≥19MB时迭代次数≥2,或内存≥12MB时迭代次数≥3
- 平行度参数固定为1,确保基础配置的安全性
-
scrypt参数规范化
- 修正了原表中模糊的"2^15"表述
- 明确内存-并行度组合要求:128MB内存时并行度1,64MB时并行度2,32MB时并行度≥3
- 块大小参数r固定为8
-
bcrypt保持稳定
- 维持最少10轮迭代的要求
- 注意其存在最大密码长度限制(72字符)
参数规范改进
针对内存困难型算法,新规范体现了重要技术认知:
- 内存成本与时间成本的动态平衡关系
- 提供多种参数组合方案,适应不同性能需求
- 所有参数都明确标注最低安全阈值(使用≥符号)
算法状态调整
关于算法状态达成新共识:
-
PBKDF2定位明确
- 虽然非内存困难型算法,但作为NIST唯一批准的密码KDF保留
- 迭代次数要求:SHA-512需≥21万次,SHA-256需≥60万次
-
SHA-1版本降级
- PBKDF2-HMAC-SHA-1标记为Legacy状态
- 现有系统建议制定迁移计划
-
scrypt的争议
- 虽被RFC标准化,但因非NIST批准存在合规性争议
- 部分专家建议移除,最终保留但标注技术限制
标准表述优化
技术文档的呈现方式也有重要改进:
- 表头更精确为"Password Hash Function/KDF"
- 移除冗余的状态列(通过上下文表达状态)
- 参数描述采用更专业的数学符号(≥)
- 内存单位统一标注(MB/MiB)
这些改进使ASVS标准在密码存储方面更加严谨和实用,为开发者提供了清晰的安全实施指南。建议新系统优先采用Argon2id,现有系统可根据实际情况选择PBKDF2或bcrypt,但都需确保达到规定的最小参数要求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217