java随机数之Random和SecureRandom

一、前言

　　在一次项目的安全测试源代码扫描中，报由random()实施的随机数生成器不能抵挡加密攻击。其中报漏洞的源代码如下：

int number = (int) ((Math.random() * 9 + 1) * Math.pow(10, 6 -1));
String numStr = String.valueOf(number);

 　　其中的报漏洞的解释是这样说的，在对安全性要求较高的环境中，使用能够生成可预测值的函数作为伪随机数据源，会产生Insecure Randomness(不安全随机性)错误。电脑是一种具有确定性的机器，因此不可能产生真正的随机性，伪随机数生成器（PRNG）近似于随机算法，始于一个能计算后续数值的种子。PRNG 包括两种类型： 统计学的 PRNG 和密码学的 PRNG。 统计学的 PRNG 提供很多有用的统计属性， 但其输出结果很容易预测， 因此容易复制数值流。 在安全性所依赖的生成值不可预测的情况下， 这种类型并不适用。 密码学的 PRNG 生成的输出结果较难预测， 可解决这一问题。 为保证值的加密安全性， 必须使攻击者根本无法、 或几乎不可能鉴别生成的随机值和真正的随机值。 通常情况下， 如果并未声明 PRNG 算法带有加密保护， 那么它很可能就是统计学的 PRNG， 因此不应在对安全性要求较高的环境中使用， 否则会导致严重的漏洞（如易于猜测的密码、 可预测的加密密钥、 Session Hijacking 和 DNS Spoofing） 。

示例： 下面的代码可利用统计学的 PRNG 为购买产品后仍在有效期内的收据创建一个 URL。

String GenerateReceiptURL(String baseUrl) {
　　Random ranGen = new Random();
　　ranGen.setSeed((new Date()).getTime());
　　return (baseUrl + ranGen.nextInt(400000000) + ".html");
}

　　这段代码使用 Random.nextInt() 函数为它生成的收据页面生成“唯一”的标识符。 由于 Random.nextInt() 是统计学的 PRNG， 攻击者很容易猜到其生成的字符
串。 尽管收据系统的底层设计并不完善， 但若使用不会生成可预测收据标识符的随机数生成器（如密码学的 PRNG），就会更安全些。

二、解决方案
　　当不可预测性至关重要时， 如大多数对安全性要求较高的环境都采用随机性， 这时可以使用密码学的 PRNG。 不管选择了哪一种 PRNG， 都要始终使用带有充足熵的数值作为该算法的种子。 （诸如当前时间之类的数值只提供很小的熵， 因此不应该使用。 ）
　　Java 语言在 java.security.SecureRandom 中提供了一个加密 PRNG。 就像 java.security 中其他以算法为基础的类那样， SecureRandom 提供了与某个特定算法集合相关的包， 该包可以独立实现。 当使用 SecureRandom.getInstance() 请求一个 SecureRandom 实例时， 您可以申请实现某个特定的算法。 如果算法可行， 那么您可以将它作为 SecureRandom 的对象使用。  如果算法不可行， 或者您没有为算法明确特定的实现方法， 那么会由系统为您选择 SecureRandom的实现方法。
　　Sun 在名为 SHA1PRNG 的 Java 版本中提供了一种单独实现 SecureRandom 的方式， Sun 将其描述为计算：
“SHA-1 可以计算一个真实的随机种子参数的散列值， 同时， 该种子参数带有一个 64 比特的计算器， 会在每一次操作后加 1。 在 160 比特的 SHA-1 输出中， 只能使用64 比特的输出 1。 ”
然而， 文档中有关 Sun 的 SHA1PRNG 算法实现细节的相关记录很少， 人们无法了解算法实现中使用的熵的来源， 因此也并不清楚输出中到底存在多少真实的随机数值。尽管有关 Sun 的实现方法网络上有各种各样的猜测， 但是有一点无庸置疑， 即算法具有很强的加密性， 可以在对安全性极为敏感的各种内容中安全地使用。

三、使用：

案例1：

SecureRandom random1 = SecureRandom.getInstance("SHA1PRNG"); 
SecureRandom random2 = SecureRandom.getInstance("SHA1PRNG"); 
for (int i = 0; i < 5; i++) { 
    System.out.println(random1.nextInt() + " != " + random2.nextInt()); 
}
// 结果

// 704046703 != 2117229935
// 60819811 != 107252259
// 425075610 != -295395347
// 682299589 != -1637998900
// -1147654329 != 1418666937

案例2：获取随机字符串，参考微信(wxpay-sdk，java_sdk_v3.0.9)

import java.security.SecureRandom;
import java.util.Random;
public class WXPayUtil {
    private static final String SYMBOLS = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ";
    private static final Random RANDOM = new SecureRandom();
    /**
     * 获取随机字符串 Nonce Str
     *
     * @return String 随机字符串
     */
    public static String generateNonceStr() {
        char[] nonceChars = new char[32];
        for (int index = 0; index < nonceChars.length; ++index) {
            nonceChars[index] = SYMBOLS.charAt(RANDOM.nextInt(SYMBOLS.length()));
        }
        return new String(nonceChars);
    }

    public static void main(String[] args) {
        System.out.println(WXPayUtil.generateNonceStr());
    }
}
// 结果
// oIjXt5Y9g2drzfzaR4hF9haaiDjSVDCX

 四、常用随机数的一些汇总

　　对于像Math.random()等实现的随机算法是伪随机，也就是有规则的随机。在进行随机时，随机算法的起源数字称为种子数，在种子数的基础上进行一定的交换，从而产生需要的随机数字。在实际的项目开发过程中，经常需要产生一些随机数值，例如网站登录中的校验数字等，或者需要以一定的几率实现某种效果，游戏程序中的物品掉落，抽奖程序等。

1. Math.random() 静态方法，产生的随机数是 0 - 1 之间的一个 double，即 0 <= random <= 1.

缺点：结果可预测

举例：

for (int i = 0; i < 10; i++) {
  System.out.println(Math.random());
}

0.3598613895606426
0.2666778145365811
0.25090731064243355
0.011064998061666276
0.600686228175639
0.9084006027629496
0.12700524654847833
0.6084605849069343
0.7290804782514261
0.9923831908303121

实现原理：

When this method is first called, it creates a single new pseudorandom-number generator, exactly as if by the expression new java.util.Random()
This new pseudorandom-number generator is used thereafter for all calls to this method and is used nowhere else.

当第一次调用 Math.random() 方法时，自动创建了一个伪随机数生成器，实际上用的是 new java.util.Random()。当接下来继续调用 Math.random() 方法时，就会使用这个新的伪随机数生成器。

源码如下：

public static double random() {
    Random rnd = randomNumberGenerator;
    if (rnd == null) rnd = initRNG(); // 第一次调用，创建一个伪随机数生成器
    return rnd.nextDouble();
}
private static synchronized Random initRNG() {
    Random rnd = randomNumberGenerator;
    return (rnd == null) ? (randomNumberGenerator = new Random()) : rnd; // 实际上用的是new java.util.Random()
}

This method is properly synchronized to allow correct use by more than one thread. However, 
if many threads need to generate pseudorandom numbers at a great rate, it may reduce contention for each thread to have its own pseudorandom-number generator.

initRNG() 方法是 synchronized 的，因此在多线程情况下，只有一个线程会负责创建伪随机数生成器（使用当前时间作为种子），其他线程则利用该伪随机数生成器产生随机数。

因此 Math.random() 方法是线程安全的。

什么情况下随机数的生成线程不安全：

• 线程1在第一次调用 random() 时产生一个生成器 generator1，使用当前时间作为种子。
• 线程2在第一次调用 random() 时产生一个生成器 generator2，使用当前时间作为种子。
• 碰巧 generator1 和 generator2 使用相同的种子，导致 generator1 以后产生的随机数每次都和 generator2 以后产生的随机数相同。

什么情况下随机数的生成线程安全： Math.random() 静态方法使用

• 线程1在第一次调用 random() 时产生一个生成器 generator1，使用当前时间作为种子。
• 线程2在第一次调用 random() 时发现已经有一个生成器 generator1，则直接使用生成器 generator1。

public class JavaRandom {
    public static void main(String args[]) {
        new MyThread().start();
        new MyThread().start();
    }
}
class MyThread extends Thread {
    public void run() {
        for (int i = 0; i < 2; i++) {
            System.out.println(Thread.currentThread().getName() + ": " + Math.random());
        }
    }
}

结果：

Thread-1: 0.8043581595645333
Thread-0: 0.9338269554390357
Thread-1: 0.5571569413128877
Thread-0: 0.37484586843392464

 2. 对于其它的一些随机数相关的工具类可参考java.util.Random 工具类、java.util.concurrent.ThreadLocalRandom 工具类、java.Security.SecureRandom、随机字符串.（https://www.jianshu.com/p/2f6acd169202）

参考来源：

作者：专职跑龙套
链接：https://www.jianshu.com/p/2f6acd169202
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。