L'hash non è anonimizzazione
Perché è importante Le aziende spesso dicono di condividere solo indirizzi email "con hash", come se questo li rendesse anonimi. In questo laboratorio annulli un elenco di hash in una frazione di secondo, su email sintetiche. Quando l'avrai visto, leggerai "condividiamo solo dati con hash" in modo molto diverso.
Un frullatore a senso unico
Pensa a un hash come a un frullatore: mettici una fragola e ottieni ogni volta lo stesso frullato rosa, ma non puoi ritrasformare il frullato in una fragola. Sembra sicuro. Il problema: se sospetti che fosse una fragola, ne frulli una tu e confronti.
Hash: una funzione che trasforma qualsiasi testo in un'impronta di lunghezza fissa, sempre la stessa per lo stesso input. SHA-256 dà 64 caratteri esadecimali. Non puoi farla funzionare al contrario.
Forza bruta: provare ogni input possibile finché uno corrisponde. Funziona ogni volta che l'elenco degli input possibili è abbastanza piccolo da provarli.
Perché non è anonimo
Le email vengono sottoposte a hash proprio perché due aziende possano farle corrispondere: entrambe fanno l'hash di sam.smith@mail.example e ottengono gli stessi 64 caratteri. Gli ID basati su email con hash nella pubblicità funzionano così. L'hash è un ID stabile della persona, non un travestimento.
E le email non sono così tante. Il nostro sistema di posta di esercitazione assegna solo first.last@domain o firstNN@domain, da 30 nomi, 30 cognomi e 3 domini: 11.610 indirizzi possibili in tutto. Fare l'hash di tutti richiede un battito di ciglia. Gli spazi di indirizzi veri sono molto più grandi, ma i data broker hanno già enormi elenchi di indirizzi veri, quindi fanno solo l'hash di quelli che hanno e confrontano.
Il piano
normalise(email): togli gli spazi e metti in minuscolo. Lo fanno tutti prima di fare l'hash, cosìSam.Smith@Mail.Exampleesam.smith@mail.examplecorrispondono.sha256_hex(text):hashlib.sha256(text.encode("utf-8")).hexdigest()..encodetrasforma il testo in byte, che è ciò che mangiano le funzioni di hash.all_candidates(): fai un ciclo su domini, nomi e cognomi per elencare ogni indirizzo possibile.crack(hashes): costruisci un dict dall'hash di ogni candidato al candidato, una volta sola, poi cerca ogni hash trapelato. Costruirlo una volta conta: fare l'hash di 11.610 indirizzi per ciascuno dei 200 hash trapelati sarebbe 200 volte più lento.
Tabella di ricerca: un dict costruito in anticipo con risposte che potrebbero servirti, così ogni domanda ha una risposta in un passo. Chi attacca le costruisce per le password comuni e per gli elenchi di email.
Un equivoco comune
"SHA-256 è inviolabile, quindi i dati con hash sono sicuri." SHA-256 va benissimo per ciò che fa: nessuno lo fa funzionare al contrario. La debolezza è l'input: quando gli input possibili si possono elencare, non hai mai bisogno di farlo funzionare al contrario. I numeri di telefono sono un caso ben noto: tutti i numeri di un paese stanno in pochi miliardi di possibilità, abbastanza poche perché un computer veloce le provi tutte.
Promemoria: questo gira solo e sempre su indirizzi sintetici. Farlo sui dati di persone vere è esattamente il danno che questo modulo ti insegna a evitare, e la prossima lezione è la difesa.
Provalo Cronometralo: metti time.perf_counter() prima e dopo la tua chiamata a crack. Sulla maggior parte dei portatili finisce in molto meno di un secondo per 11.610 candidati.
In altri linguaggi
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));Riepilogo
- Un hash è uguale per lo stesso input, e questo lo rende un ID stabile, non un travestimento.
- Quando gli input possibili si possono elencare, fai l'hash di tutti e confronta: forza bruta.
- Costruisci la tabella di ricerca una volta sola, poi ogni hash è una sola ricerca nel dict.
- "Condividiamo solo email con hash" condivide comunque una persona. La difesa viene dopo.
Scrivi normalise(email) (togli gli spazi e metti in minuscolo), sha256_hex(text) (il digest esadecimale SHA-256 del testo UTF-8), all_candidates() (una lista di ogni indirizzo first.last@domain e firstNN@domain, con NN da 1 a 99, usando FIRST_NAMES, LAST_NAMES e MAIL_DOMAINS) e crack(hashes) (un dict {hash: email} per ogni hash che riesci a recuperare). Poi imposta found = crack(leaked).
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.