OWASP ASVS 项目中的加密模式验证要求解析
2025-06-27 18:59:45作者:冯梦姬Eddie
在OWASP应用安全验证标准(ASVS)的加密章节中,6.5.5条款的修改引发了关于加密与认证机制组合使用的深入讨论。本文将从技术角度解析这一条款的技术背景和最佳实践。
加密与认证的组合模式
在密码学实践中,将加密算法与消息认证码(MAC)算法组合使用时,存在三种基本模式:
- 加密然后MAC(Encrypt-then-MAC):先加密数据,然后对密文计算MAC
- MAC然后加密(MAC-then-Encrypt):先计算明文的MAC,然后加密明文和MAC
- 加密与MAC并行(Encrypt-and-MAC):分别计算明文MAC和加密明文
其中,加密然后MAC(Encrypt-then-MAC)被广泛认为是最安全的组合方式。这种模式可以确保攻击者无法篡改密文而不被发现,因为任何对密文的修改都会导致MAC验证失败。
原条款的技术问题
原6.5.5条款提到"验证任何经过认证的签名是否按要求在加密然后MAC或加密然后哈希模式下运行",这一表述存在两个技术问题:
- 术语混淆:将"签名"(通常指非对称数字签名)与MAC(消息认证码)混为一谈,这两者在密码学中是完全不同的概念
- 范围不明确:没有明确区分数字签名场景和MAC场景的使用要求
修订建议的技术考量
Bart Preneel提出的修订建议将条款明确为:"验证任何加密算法和MAC算法的组合是否按要求在加密然后MAC模式下运行"。这一修订:
- 明确了适用范围仅针对加密与MAC的组合场景
- 移除了容易引起混淆的"签名"术语
- 强调了加密然后MAC这一特定模式的重要性
TLS兼容性的特殊考量
值得注意的是,TLS 1.2协议中的某些密码套件(如基于CBC模式的套件)实际上采用的是MAC-then-Encrypt模式。这是由于历史原因和向后兼容性考虑。虽然从纯密码学角度看这不是最理想的选择,但在实际部署中,这种妥协有时是必要的。
最佳实践建议
对于现代应用开发,我们建议:
- 优先使用AEAD(认证加密关联数据)算法,如AES-GCM、ChaCha20-Poly1305等
- 当必须组合使用加密和MAC时,严格采用Encrypt-then-MAC模式
- 仅在必须与遗留系统交互时考虑MAC-then-Encrypt模式
- 完全避免使用Encrypt-and-MAC模式
OWASP ASVS的这一条款修订反映了密码学实践中的精确性和严谨性要求,确保安全标准能够准确指导开发人员实施正确的加密方案。
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
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
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
155
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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
310
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1