2020.2.1 如何设计一个安全的对外接口吗?

如何设计一个安全的对外接口吗?

1. 数据加密

我们知道数据在传输过程中是很容易被抓包的，如果直接传输比如通过 http 协议，那么用户传输的数据可以被任何人获取；所以必须对数据加密，常见的做法对关键字段加密比如用户密码直接通过 md5 加密；现在主流的做法是使用 https 协议，在 http 和 tcp 之间添加一层加密层 (SSL 层)，这一层负责数据的加密和解密；

加密方式

现在主流的加密方式有对称加密和非对称加密;

• 对称加密：对称密钥在加密和解密的过程中使用的密钥是相同的，常见的对称加密算法有 DES，AES；优点是计算速度快，缺点是在数据传送前，发送方和接收方必须商定好秘钥，然后使双方都能保存好秘钥，如果一方的秘钥被泄露，那么加密信息也就不安全了；

• 非对称加密：服务端会生成一对密钥，私钥存放在服务器端，公钥可以发布给任何人使用；优点就是比起对称加密更加安全，但是加解密的速度比对称加密慢太多了；广泛使用的是 RSA 算法；

两种方式各优缺点，而https 的实现方式正好是结合了两种加密方式，整合了双方的优缺点，在安全和性能方面都比较好；
对称加密和非对称加密实现，jdk 提供了相关的工具类可以直接使用

2. 数据加签

数据加签就是由发送者产生一段无法伪造的一段数字串，来保证数据在传输过程中不被篡改；你可能会问数据如果已经通过 https 加密了，还有必要进行加签吗？数据在传输过程中经过加密，理论上就算被抓包，也无法对数据进行篡改；但是我们要知道加密的部分其实只是在外网，现在很多服务在内网中都需要经过很多服务跳转，所以这里的加签可以防止内网中数据被篡改；

数据签名使用比较多的是md5 算法，将需要提交的数据通过某种方式组合和一个字符串，然后通过md5 生成一段加密字符串，这段字符串就是数据包的签名，可以看一个简单的例子：

• str ：参数1= {参数1} & 参数2 ={参数2} & ... 参数n={参数n} $ key ={用户密钥};

MD5.encrypt(str);

注意最后的用户密钥，客户端和服务端都有一份，这用会更加安全；

3. 时间戳机制

数据是很容易被抓包的，但是经过如上的加密，加签处理，就算拿到数据也不能看到真实的数据；但是有不法者不关心真实的数据，而是直接拿到抓取的数据包进行恶意请求；这时候可以使用时间戳机制，在每次请求中加入当前的时间，服务器端会拿到当前时间和消息中的时间相减，看看是否在一个固定的时间范围内比如 5 分钟内；这样恶意请求的数据包是无法更改里面时间的，所以 5 分钟后就视为非法请求了；

解密后的数据，经过签名认证后，我们拿到数据包中的客户端时间戳字段，然后用服务器当前时间去减客户端事件，看结果是否在一个区间内，伪代码如下：

long interval = 5 * 60 * 1000;//超时时间
long clientTime = request.getParameter("clientTime");
long serverTime = System.currentTimeMillis();
if(serverTime-clientTime>interval){
	return new Response("超过处理时长");
}

4.AppId 机制

大部分网站基本都需要用户名和密码才能登录，并不是谁来能使用我的网站，这其实也是一种安全机制；对应的对外提供的接口其实也需要这么一种机制，并不是谁都可以调用，需要使用接口的用户需要在后台开通 appid，提供给用户相关的密钥；在调用的接口中需要提供 appid + 密钥，服务器端会进行相关的验证；

生成一个唯一的AppId 即可，密钥使用字母、数字等特殊字符随机生成即可；生成唯一 AppId 根据实际情况看是否需要全局唯一；但是不管是否全局唯一最好生成的Id 有如下属性：

• 趋势递增：这样在保存数据库的时候，使用索引性能更好；
• 信息安全：尽量不要连续的，容易发现规律
• 关于全局唯一ID 生成的方式常见的有类snowflake 方式等；

5. 限流机制

本来就是真实的用户，并且开通了 appid，但是出现频繁调用接口的情况；这种情况需要给相关 appid 限流处理，常用的限流算法有令牌桶和漏桶算法；

常见的限流算法包括：令牌桶限流、漏桶限流、计数器限流；

• 令牌桶限流令牌算法的原理是系统以一定速率向桶中放入令牌，填满了就丢弃令牌；请求来时先从桶中取出令牌，如果能取到令牌，则可以继续完成请求，否则等待或拒绝服务；令牌桶允许一定程度突发流量，只要有令牌就可以处理，支持一次拿多个令牌；

• 漏桶限流 漏桶算法的原理是按照固定常量速率流出请求，流入请求速率任意，当请求数超过桶的容量时，新的请求等待或者拒绝服务；可以看出漏桶算法可以强制限制数据的传输速度；

• 计数器限流 计数器是一种比较简单粗暴的算法，主要用来限制总并发数，比如数据库连接池、线程池、秒杀的并发数；计数器限流只要一定时间内的总请求数超过设定的阀值则进行限流；

具体基于以上算法如何实现，Guava 提供了 RateLimiter 工具类基于基于令牌桶算法：

RateLimiter rateLimiter = RateLimiter.create(5);

以上代码表示一秒钟只允许处理无核并发请求，以上方式只能在单应用的请求限流，不能进行全局限流；这个时候就需要分布式限流，可以基于 redis + lua 来实现；

6. 黑名单机制

如果此 appid 进行过很多非法操作，或者说专门有一个中黑系统，经过分析之后直接将此 appid 列入黑名单，所有请求直接返回错误码；

我们可以给每个用户设置一个状态比如包括：初始化状态，正常状态，中黑状态，关闭状态等等；或者我们直接通过分布式配置中心，直接保存黑名单列表，每次检查是否在列表中即可；

7. 数据合法性校验

这个可以说是每个系统都会有的处理机制，只有在数据是合法的情况下才会进行数据处理；每个系统都有自己的验证规则，当然也可能有一些常规性的规则，比如身份证长度和组成，电话号码长度和组成等等；

合法性校验包括

常规性校验以及业务校验

• 常规性校验：包括签名校验，必填校验，类型校验，格式校验等；
• 业务校验：根据实际业务而定，比如订单金额不能小于0 等

总结

常见的安全措施机制包括：数据加密、数据加签、时间戳机制、AppId 机制、限流机制、黑名单机制以及数据合法性校验