Programme Leçon 55 sur 156 · Mesurer la vie privée, honnêtement
Mesurer la vie privée, honnêtement

Hacher n'est pas anonymiser

Pourquoi c'est important Les entreprises disent souvent qu'elles ne partagent que des adresses e-mail « hachées », comme si ça les rendait anonymes. Dans ce labo, tu défais une liste hachée en une fraction de seconde, sur des e-mails synthétiques. Une fois que tu l'auras vu, tu liras « nous ne partageons que des données hachées » de façon très différente.

Un mixeur à sens unique

Pense à un hash comme à un mixeur : mets une fraise et tu obtiens le même smoothie rose à chaque fois, mais tu ne peux pas retransformer le smoothie en fraise. Ça a l'air sûr. Le hic : si tu soupçonnes que c'était une fraise, tu en mixes une toi-même et tu compares.

Hash : une fonction qui transforme n'importe quel texte en une empreinte de longueur fixe, toujours la même pour la même entrée. SHA-256 donne 64 caractères hexadécimaux. On ne peut pas la faire tourner à l'envers.

Force brute : essayer chaque entrée possible jusqu'à ce qu'une corresponde. Ça marche chaque fois que la liste des entrées possibles est assez petite pour être essayée.

Pourquoi ce n'est pas anonyme

Les e-mails sont hachés précisément pour que deux entreprises puissent les faire correspondre : les deux hachent sam.smith@mail.example et obtiennent les mêmes 64 caractères. Les identifiants par e-mail haché de la publicité marchent ainsi. Le hash est un identifiant stable de la personne, pas un déguisement.

Et il n'y a pas tant d'e-mails que ça. Notre messagerie d'entraînement ne distribue que first.last@domain ou firstNN@domain, à partir de 30 prénoms, 30 noms de famille et 3 domaines : 11 610 adresses possibles au total. Les hacher toutes prend un clin d'œil. Les vrais espaces d'adresses sont bien plus grands, mais les courtiers en données détiennent déjà d'énormes listes de vraies adresses, donc ils n'ont qu'à hacher ce qu'ils ont et comparer.

Le plan

  1. normalise(email) : retire les espaces et mets en minuscules. Tout le monde le fait avant de hacher, donc Sam.Smith@Mail.Example et sam.smith@mail.example correspondent.
  2. sha256_hex(text) : hashlib.sha256(text.encode("utf-8")).hexdigest(). .encode transforme le texte en octets, ce que mangent les fonctions de hachage.
  3. all_candidates() : boucle sur les domaines, les prénoms et les noms de famille pour lister chaque adresse possible.
  4. crack(hashes) : construis un dict du hash de chaque candidate vers la candidate, une seule fois, puis cherche chaque hash fuité. Le construire une fois compte : hacher 11 610 adresses pour chacun des 200 hashes fuités serait 200 fois plus lent.

Table de correspondance (lookup table) : un dict construit à l'avance à partir de réponses dont tu pourrais avoir besoin, pour répondre à chaque question en une étape. Les attaquants en construisent pour les mots de passe courants et les listes d'e-mails.

Une idée reçue

« SHA-256 est incassable, donc les données hachées sont sûres. » SHA-256 fait bien son travail : personne ne le fait tourner à l'envers. La faiblesse, c'est l'entrée : quand les entrées possibles peuvent être listées, tu n'as jamais besoin de le faire tourner à l'envers. Les numéros de téléphone sont un cas bien connu : tous les numéros d'un pays tiennent en quelques milliards de possibilités, assez peu pour qu'un ordinateur rapide les essaie tous.

Rappel : ça ne tourne jamais que sur des adresses synthétiques. Le faire sur les données de vraies personnes est exactement le tort que ce module t'apprend à empêcher, et la leçon suivante est la défense.

Essaie Chronomètre-le : entoure ton appel à crack de time.perf_counter() avant et après. Sur la plupart des ordinateurs portables, ça finit en bien moins d'une seconde pour 11 610 candidates.

Dans d'autres langages

JavaScript (Node) :

const { createHash } = require("crypto");
const sha256 = t => createHash("sha256").update(t, "utf8").digest("hex");

const lookup = new Map(allCandidates().map(e => [sha256(e), e]));
const found = leaked.filter(h => lookup.has(h)).map(h => [h, lookup.get(h)]);

PHP :

$lookup = [];
foreach (all_candidates() as $e) { $lookup[hash('sha256', $e)] = $e; }
$found = array_intersect_key($lookup, array_flip($leaked));

Récap

  • Un hash est le même pour la même entrée, ce qui en fait un identifiant stable, pas un déguisement.
  • Quand les entrées possibles peuvent être listées, hache-les toutes et compare : la force brute.
  • Construis la table de correspondance une fois, puis chaque hash est une seule recherche dans un dict.
  • « Nous ne partageons que des e-mails hachés » partage quand même une personne. La défense arrive ensuite.
À ton tour

Écris normalise(email) (retire les espaces et met en minuscules), sha256_hex(text) (le condensé SHA-256 en hexadécimal du texte en UTF-8), all_candidates() (une liste de chaque adresse first.last@domain et firstNN@domain, NN de 1 à 99, avec FIRST_NAMES, LAST_NAMES et MAIL_DOMAINS) et crack(hashes) (un dict {hash: email} pour chaque hash que tu peux retrouver). Puis définis found = crack(leaked).

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.