利用数据库查表瓶颈，对抗密码破解
前言
网站被拖库后，一些弱口令的 hash 很容易被破解还原。本文讲解一种新的存储方式，使攻击者跑 hash 变得更麻烦。
传统储存
对于大多数系统，用户名和密码都是这样存储的：
| user | password | other info |
|---|---|---|
| alice | e37a 781a 0d06 47eb | ... |
| bob | 8fe4 516a de2f b73c | ... |
| ... | ... | ... |
一个账号对应一个密码，这是很自然的想法，实现起来也很方便；而且密码在存储前经过 hash，也是比较安全的。
不过，尽管密码 不是明文 的，但它和账号的对应关系却是 明确的。攻击者可针对某个有价值的用户，单独针对其 hash 进行暴力破解。
那么是否有方案，既能实现用户名、密码的认证，同时又不透露它们之间的对应关系？
合并储存
既然不能透露对应关系，那显然需要一个单独的表来存放它们 —— 事实上这个表只需一个字段就可以，只储存 <用户名，密码> 二元组的 hash：
key = hash(user, password)
这样，唯一的 <用户名, 密码> 对应唯一的 key；而通过 key 既看不出用户名，也看不出密码！
table_key_set
| key |
|---|
| 20d2 7523 3cb5 7dbd |
| 56ef ae28 9f39 c83f |
| ... |
其他和密码无关的资料，则储存在 资料表 里：
table_userinfo
| user | other info |
|---|---|
| alice | ... |
| bob | ... |
| ... | ... |
（资料表里的用户名虽然是明文的，但它不属于认证需要的数据，因此不在本文讨论的保护范围内）
认证步骤
用户注册时，后端先通过 资料表 查询用户名是否已注册，保证用户名是唯一的。然后将 <用户名，密码> 的 hash 值（即 key）添加到 key_set 表里；其他信息则写入资料表。
登录时，服务器根据提交上来的 <用户名，密码>，使用同样的算法算出 key，并检索是否存在于 key_set 表中 —— 若存在，则认证成功；反之，则认证失败。
认证成功后，即可根据 用户名 访问 资料表 中相应的记录，进行具体的业务操作。
修改密码很简单，只需删除旧 key，添加新 key 就可以；注销用户也同理，直接删除 key 即可。
这样，认证相关的数据中，就不会出现任何有意义的信息了，甚至连用户名都没有！
FAQ
A：将所有账号的认证信息混在一起，会相互干扰吗？比如用户 A 和用户 C 使用相同的密码，会不会有影响？
Q：显然不会。因为 key 并不仅仅代表密码，同时还蕴含了用户名。只有当 用户名、密码同时符合时，才能匹配到数据库中的 key。只要有一项不符合，仍然查无此 key。
A：key 之间会存在冲突吗？
Q：尽管用户名是唯一的，但 key 还结合了密码因素，因此不能保证所有 key 绝对唯一，理论上仍有冲突的可能。
不过无需担心，只要 key 足够长就能有效避免。例如选择 32 字节，那么空间就有 256^32 ≈ 10^77。即使网站有 10 亿用户，冲突的几率仍小得忽略不计。
A：账号 <"jack", "123456"> 和账号 <"jack1", "23456"> 的 key 会不会一样？
Q：当然不会。二元组的 hash 值，显然不能先合并，再计算。而必须先单独计算，合并后再计算。现实中我们可以用 HMAC 函数，例如：
key = hmac_sha256(user, password)
一般需要同时 hash 两个参数的场合，用 HMAC 是最方便的，并且更权威。
A：虽然 key_set 表的数据是无意义的，但其他表仍会泄露用户名等信息，这样还有意义吗？
Q：我们的目的并不是防止 用户名 等信息的泄露，而是抹掉 用户名 与 密码 之间的关联，让破解更麻烦（有多麻烦下面会讲解）。
A：如果有人忘记了密码，那么这个用户的 key 是不是永远不知道了？
Q：确实~ 不知道密码就无法算出 key。不过重置密码的功能还是可以实现的，等会我们会讨论。
优势
用了该方案之后，即使 key_set 表泄露，用户名及密码都不会暴露。攻击者还得设法获得其他表，或从网站上爬取数据，才能获得实际的用户名。
事实上，即使知道某个用户名，也无法找到对应的 key —— 因为计算 key 不仅需要用户名，还要密码！光知道用户名是不够的。
当然，即使不知道某个用户对应的 key，但想破解其明文口令，仍然是可行的。假设攻击者确定有个叫 alice 的用户，则可通过如下逻辑跑字典：
for each word in dict
key = hash('alice', word)
# 查询该 key 是否存在
if table_key_set.exist(key)
print '破解成功，密码是', word
和传统破解不同的是，现在每猜一个口令就得查表一次，成本就大幅增加了！并且现有的绝大多数破解工具，都没有提供基于查表的解决方案，因此给攻击者增加了不少复杂度。
提升成本
作为防守方，也可以人为提高查表门槛 —— 我们往 key_set 表里填充大量无用数据，故意将表撑大。而攻击者并不知道哪些是真实的，哪些是无用的，只能都将它们进行索引等处理，这样就增加了破解所需的资源！
如果攻击者直接用现成数据库查表的话，那效率显然会非常低，密码破解速度将被限制在数据库查询速度上。对于数据库来说，几万的 query/s 已经很快了，通常也足够用了；但对于跑字典，几万的 hash/s 就太慢了。例如经典的破解工具 hashcat，简单的算法能达到上亿的 hash/s，如果 GPU 够好，甚至还可以再提高几个量级！
这个速度，对于查表来说是很难达到的 —— 即使攻击者自己实现一套更优化的算法。因为查表需要大量的内存占用和访问，使得很难利用硬件加速。（可参考 对硬件有抵抗效果的 Hash 算法）
同时，数据库体积被人为撑大后，也极大增加了拖库时的下载成本！
记录填充
对于无用的填充数据，我们也不是完全随机生成的，而是通过一定的规律去产生。例如基于一个口令进行推导：
for i = 0 ... 10000
key = hmac(PWD, i)
table_key_set.add(key)
这样管理者只需提供 PWD 这个值，就能产生 10000 条无用记录。由于攻击者并不知道其中的规律，因此也就无法进行区分了。
当未来数据库记录太多时，我们可以用同类似的办法，删除一些无用记录；另外，即使忘了无用记录的条数，只需通过二分法，用少量的次数就可以试出。
加盐
前面为了简单描述，我们省略了和 盐 相关的东西，现在将其补回来。
由于 盐 需要和 用户名 关联，因此无法存储在 key_set 表中，只能存放其他表中，例如存在 资料表 里。
用户注册时，生成一个随机串作为盐，并保存。接着用 <用户名，密码，盐> 三元组的 hash 值作为 key：
key = hash(username, password, salt)
其他的步骤则保持不变。
登录时，先根据用户名查询出相应的盐，然后使用同样的方式计算 key。这样，就把盐融入到 key 里面了。
加盐还是很有必要的。因为用户名和密码大多是有规律的，如果不加盐，那么 key 也是防不住彩虹表的。
忘记密码
现在来讲解本方案的唯一缺陷 —— 密码重置。
由于用户名和密码不再有关联，因此一旦有用户忘了密码，想对其进行重置，这就非常棘手了 —— 因为不知道密码，就无法知道对应的 key！
但不用担心，解决方案还是有的。首先可通过其他手段，证明这个帐号的拥有权，比如短信、邮箱等。
通过认证后，用户就可以设置新密码了 —— 系统生成新 key，添加到 key_set 表里，旧 key 则仍保持残留。
但是，残留会有问题吗？显然有！如果旧密码以后想起来了，那还是可以登录的。这样一个帐号就可以有多个密码登录，显然不安全！因此得改进。
事实上，只要在重置密码时，将 盐 也进行重置，就可以避免这个问题了。因为用新盐算出的新 key，和旧 key 完全不搭边了：
new_key = hash(username, password, new_salt)
同时，旧盐一旦被覆盖，也就永远消失了，没有任何人知道。不知道旧盐，当然就无法计算旧 key。所以那些残留的 key，是不会出卖曾经用过的密码的！
当然唯一的缺陷，就是残留的 key 会白白占用一条记录。不过我们本来就有意将 key_set 表撑大，因此也就不在乎这些残留数据了。如果真担心用户不断重置密码，产生大量无用的 key 将数据库撑爆的话，倒是可以限制重置密码的频率。
这里的巧妙之处，在于一盐两用：最新的盐，则是防止拖库后的彩虹表攻击；曾经用过的盐，则起到
密钥的作用。并且这个密钥已从世上消失了，因此残留的 key 是不会有安全隐患的。
总结
和传统存储方案相比，该方案将敏感信息独立存储，并且不再显式透露 用户名 和 密码 的关系。
虽然从算法上看，该方案并没有提升暴力破解的难度，但从工程化角度来看，倒是增加了暴力破解的复杂度 —— 只要攻击者的对超大数据的查询算法实现的不够好，那么 跑字典 的速度就难以提升，从而成为密码破解的瓶颈。
