前言
在很多 Web 渗透、代码审计、SRC 挖掘里,“随机数” 是最容易被轻视的高危点。开发为了省事,用 Math.random()、java.util.Random、rand()、mt_rand()、time 拼接生成密码重置 token、验证码、会话 ID、优惠券码、API Key、加密 IV/Nonce—— 表面上 “每次都不一样”,实际上全部出自可预测的伪随机数生成器(PRNG)。攻击者一旦知道 PRNG 的算法和种子,就能精确预测 “随机” 结果,进而重置任意用户密码、批量生成兑换码、绕过验证码、伪造会话、破坏加密。这类漏洞的危害等级往往直接是账户接管(Account Takeover)或业务逻辑越权,属于高危中的高危。
本文聚焦两类工业界最典型、也是真实漏洞高发的 PRNG:Java java.util.Random 和 PHP mt_rand()(Mersenne Twister)。我们从 PRNG 原理、种子与状态恢复讲起,拆解为什么它们可预测,然后给出两条真实攻击路线:一是有种子泄露 / 种子固定时的直接预测,二是利用输出序列恢复内部状态进而预测后续输出。覆盖验证码、密码重置 token、验证码、优惠券、邀请码、加密 IV/Nonce 等高频业务场景,配套 Python 复现(破解 Java Random、破解 MT19937)、真实 CVE / 经典案例、修复方案、检测思路。
很多安全同学对随机数漏洞存在误区:以为 “加了随机就显得安全”" 长度够长就难猜 "。实际上,PRNG 的安全性不取决于输出长度,而取决于种子熵值和生成算法是否是密码学安全 CSPRNG。用 java.util.Random 生成 16 位 token,和用 SecureRandom 生成 4 位验证码,安全强度天差地别。本文面向代码审计、渗透测试、后端安全开发,帮助读者建立 “随机数即安全边界” 的审计思维。
免责声明:本文所有破解代码、攻击思路仅用于授权环境安全审计、代码 review 学习;严禁在未授权业务系统上实施随机数预测、账户接管攻击。
一、随机数分类:PRNG vs CSPRNG,为什么 “随机” 不等于 “安全”
理解不安全随机数,首先建立核心概念区分:伪随机数生成器(PRNG)和密码学安全随机数生成器(CSPRNG)。
1.1 PRNG(伪随机数生成器,非密码学安全)
PRNG 是确定性算法:给定相同种子,永远输出相同序列。典型代表:
- Java
java.util.Random:线性同余生成器(LCG); - PHP
rand():LCG(旧)或实现相关; - PHP
mt_rand():Mersenne Twister(MT19937); - C
rand():LCG; - JS
Math.random():引擎实现相关,V8 默认非密码学安全; - Python
random:MT19937。
PRNG 设计目标是统计分布均匀、性能快,适合蒙特卡洛、游戏、抽样;不适合任何安全场景,因为:
- 状态空间有限、状态可被逆向;
- 输出序列和种子强相关,种子泄露即可复现全部输出;
- 部分 PRNG(LCG、MT)可以从输出序列恢复内部状态。
1.2 CSPRNG(密码学安全随机数生成器)
CSPRNG 输出在计算上不可预测,即使知道一部分输出,也无法推断后续输出或种子。代表:
- Java
SecureRandom; - PHP
random_bytes()、random_int(); - Python
secrets、os.urandom; - JS
crypto.getRandomValues; - Go
crypto/rand; - C
getrandom()。
安全判定铁律:任何用于 token、验证码、密钥、IV/Nonce、会话、口令重置的安全敏感随机值,必须来自 CSPRNG。用 PRNG 就是漏洞,这个判断是确定性的,不依赖具体攻击能否成功。
1.3 常见 PRNG 与安全 API 对照表
| 语言 | 不安全 PRNG | 安全 CSPRNG |
|---|---|---|
| Java | new Random()、Math.random() | SecureRandom |
| PHP | rand()、mt_rand() | random_bytes()、random_int() |
| Python | random 模块 | secrets、os.urandom |
| JavaScript | Math.random() | crypto.getRandomValues() |
| Go | math/rand | crypto/rand |
| C/C++ | rand()、srand() | getrandom()、RAND_bytes() |
| Node | Math.random() | crypto.randomBytes() |
二、Java java.util.Random:线性同余生成器,几毫秒破解
2.1 原理:LCG 公式
java.util.Random 是一个线性同余生成器(LCG),核心迭代公式:
next = (a * seed + c) mod m
Java 具体参数(48 位种子):
seed = (seed ^ 0x5DEECE66D) & ((1 << 48) - 1)a = 0x5DEECE66D,c = 0xB,m = 2^48
每次生成 int/long/double,底层是取种子高 32 位(next(32) 等)。因为是线性同余、48 位状态空间,攻击者只需要少量输出,就能暴力 / 代数恢复种子或内部状态,进而预测后续所有 “随机” 值。
2.2 Java Random 漏洞代码场景
// 危险:用 java.util.Random 生成密码重置 token
Random random = new Random();
String token = String.valueOf(Math.abs(random.nextLong()));
// 或
String token = Integer.toHexString(random.nextInt());
// 危险:用 Random 生成验证码
int code = random.nextInt(900000) + 100000;
以及更高危:new Random(System.currentTimeMillis()) —— 种子就是时间戳,攻击者知道大致时间,直接爆破种子区间。
2.3 攻击路线一:种子是时间戳(seed = currentTimeMillis)
攻击者拿到一个 token,推断大致生成时间,枚举该时间附近毫秒级的种子,用同一个算法重算 token,命中即预测成功。
// 模拟:new Random(timestamp) 生成 token
long seed = System.currentTimeMillis();
Random r = new Random(seed);
String token = String.valueOf(r.nextInt());
攻击者只需枚举时间戳区间(几万~几十万毫秒),对每个 seed 重算,比对 token,秒级恢复种子,之后预测该 session 后续所有 token。
2.4 攻击路线二:恢复内部状态,预测后续输出
java.util.Random 内部 48 位种子。nextInt() 返回 32 位输出 = 种子的高 32 位。攻击者只要连续观测若干次 nextInt()(约 2~3 次输出),就能用格攻击 / 代数恢复(求解同余关系)恢复完整 48 位种子,之后精确预测后续任意输出。
2.5 Python 复现:恢复 java.util.Random 种子并预测
利用 java-random 等库,或者自己实现 LCG 逆向。下面演示 “种子 = 时间戳” 的爆破思路(简化但有效):
import time
# 模拟 Java 的 nextInt()(LCG)
MASK = (1 << 48) - 1
A = 0x5DEECE66D
C = 0xB
def next_int(seed):
seed = (seed ^ 0x5DEECE66D) & MASK
seed = (seed * A + C) & MASK
# next(32) 返回高32位
return (seed >> 16) & 0xffffffff, seed
# 目标 token 来自 new Random(timestamp).nextInt()
target_time = 1720000000000
seed = (target_time ^ 0x5DEECE66D) & MASK
out, seed_state = next_int(seed)
print("预测 token:", out)
# 攻击者不知道精确毫秒,枚举时间窗口
base = target_time
for delta in range(-100000, 100000):
s = ((base + delta) ^ 0x5DEECE66D) & MASK
o, _ = next_int(s)
if o == out:
print("[+] 命中种子:", base + delta)
break
真实场景中,用专门的逆向库(如 randcrack、java-random 破解脚本)在拿到少量输出后精确恢复状态。
2.6 Java 修复方案
- token / 验证码 / 会话 / 密钥一律用
SecureRandom:
SecureRandom secureRandom = new SecureRandom();
byte[] token = new byte[32];
secureRandom.nextBytes(token);
- 严禁用
java.util.Random、Math.random()生成任何安全敏感随机值; - 禁止用时间戳做种子。
三、PHP mt_rand ():Mersenne Twister,状态恢复可预测任意序列
3.1 原理:MT19937
mt_rand() 使用 Mersenne Twister(MT19937),状态是一个 624 个 32 位整数的数组。MT 是广泛使用的 PRNG,统计特性优秀,但不是密码学安全:攻击者只要拿到连续的 624 个 32 位输出,就能通过逆推(MT 状态逆向算法)完整恢复内部状态,之后预测任意后续输出。这就是经典的 “MT19937 状态恢复” 攻击,在 CTF 和真实漏洞里反复出现。
3.2 PHP mt_rand 漏洞代码场景
// 危险:用 mt_rand 生成密码重置 token
$token = bin2hex(mt_rand() . mt_rand() . mt_rand());
// 危险:用 mt_rand 生成验证码
$code = mt_rand(100000, 999999);
// 危险:种子=时间戳
mt_srand(time());
$token = mt_rand();
以及 PHP 早期版本 / 弱配置:rand() 是 LCG,更弱。
3.3 攻击路线一:种子固定 / 时间戳种子
PHP 老版本(< 4.2)mt_rand 未自动播种时种子固定;或开发显式 mt_srand(time()),种子是时间戳,攻击者爆破时间窗口,重算序列,命中 token。
也有 mt_srand() 未调用时,PHP 用全局默认种子,或部分框架用固定种子,导致所有用户 token 相同 / 可预测。
3.4 攻击路线二:MT19937 状态恢复
攻击者连续采集 624 个 32 位输出(比如一个接口频繁返回随机数字,或一次 token 由多个 mt_rand 拼接、批量可观测),用逆向算法恢复 624 状态,预测任意后续输出。
Python 有现成库(如 mt19937predictor、randcrack)实现:
from mt19937predictor import MT19937Predictor
predictor = MT19937Predictor()
# 采集 624 个 mt_rand() 输出
observed = [...] # 收集到的样本
for val in observed:
predictor.setrandbits(val, 32)
# 预测下一个输出
print("预测下一个 mt_rand():", predictor.getrandbits(32))
拿到状态后,攻击者预测下一个验证码、下一个 token,直接重置账户。
3.5 修复方案(PHP)
$token = bin2hex(random_bytes(32)); // CSPRNG
$code = random_int(100000, 999999); // CSPRNG
- 禁用
mt_rand()、rand()生成安全敏感随机值; - 禁止
mt_srand()用时间戳 / 固定值播种; - 用
random_bytes()、random_int()。
四、真实业务漏洞案例(经典与公开漏洞)
案例 1:Seed 固定导致验证码全库一致(经典)
某网站用 PHP mt_srand(1) 或未播种的 mt_rand() 生成图形验证码 / 短信验证码。由于种子固定,每次生成的 “随机数” 序列完全一样,攻击者本地复现同样的序列,即可预测任何用户的验证码,批量撞库、注册恶意账号、刷短信。
审计判定:mt_rand/rand 生成验证码 → 直接高危。
案例 2:Java Math.random 生成密码重置 token(账户接管)
某 Java 系统用 Math.random() 拼接生成 16 位密码重置 token,并把 token 放 URL。攻击者注册多个测试账号,重置密码拿到一批 token 样本,分析出 Math.random 的线性同余模式,推断出下一次 token,重置任意管理员密码。
(本系列上一篇的 “综合案例” 即此类)
案例 3:时间戳种子 + token 重放
某 API 用 new Random(System.currentTimeMillis()) 生成临时票据 / 签名 nonce。攻击者抓包拿到票据和大概时间,枚举毫秒级种子,重算出签名 nonce,伪造合法请求签名,绕过接口鉴权、实现越权。
案例 4:MT19937 预测优惠券 / 邀请码
电商用 mt_rand() 批量生成优惠券码、邀请码。攻击者批量领取,收集 624 个样本恢复 MT 状态,预测后续所有优惠券码,批量薅羊毛、刷邀请返利。这类 “羊毛党预测随机券码” 在真实电商漏洞里真实发生过。
五、审计定位与检测方法
5.1 代码审计搜索清单(快速定位 PRNG 误用)
搜索不安全的随机数 API:
- Java:
new Random、Math.random、java.util.Random; - PHP:
rand(、mt_rand(、mt_srand(、srand(; - Python:
import random、random.; - JS:
Math.random; - Go:
math/rand; - C:
rand()、srand()。
重点追踪这些值流向了哪些安全敏感位置:密码重置 token、验证码、会话 ID、API Key、优惠券码、IV/Nonce、加密密钥、签名 nonce、CSRF token。
5.2 判定高危的确定性规则
- 验证码 / OTP 用 PRNG → 高危(可预测 / 可爆破);
- 密码重置 token 用 PRNG 或时间戳种子 → 高危(账户接管);
- 会话 ID / CSRF token 用 PRNG → 高危(会话固定 / 劫持);
- 加密 IV/Nonce/ 密钥用 PRNG → 高危(破坏加密);
- 优惠券 / 邀请码 / 券码用 PRNG → 高危(批量预测薅羊毛)。
5.3 工具与辅助
- Semgrep 规则匹配不安全随机 API;
- Bandit(Python)/ SpotBugs(Java)扫描;
- 结合测试:抓取多个 token,尝试时间戳种子爆破、序列预测验证。
六、完整安全规范(把 “随机数即安全边界” 落地)
- 强制 CSPRNG:所有安全敏感随机值必须来自
SecureRandom、random_bytes、secrets、crypto.getRandomValues、crypto/rand; - 禁用时间戳 / 固定种子:任何安全随机生成器禁止用
time、pid、固定常量做种子; - token / 验证码策略:高熵(≥128bit)、短生命周期、单次有效、加失败次数限制与频控;
- 密钥 / IV/Nonce:统一用 CSPRNG,遵守前几篇 AES/JWT 的 IV/Nonce 规范;
- 代码审查强制项:新增随机数代码必须走 review,确认使用 CSPRNG;把随机数误用列入高危 code smell;
- 测试验证:审计后抽样用预测工具验证是否可预测,形成闭环。
七、常见认知误区澄清
误区 1:随机数 “每次都不一样” 就安全。纠正:PRNG 每次也不一样但可预测,安全性由熵源和算法决定,不是 “变化”。
误区 2:token 够长就难猜。纠正:长度不能弥补 PRNG 的可预测性,状态恢复后任意长度输出都能预测。
误区 3:加了加密就安全,随机数无所谓。纠正:加密的 IV/Nonce/ 密钥若用 PRNG,加密形同虚设。
误区 4:mt_rand 统计均匀就适合做验证码。纠正:统计均匀 ≠ 安全,MT19937 可被状态恢复预测。
误区 5:种子用时间戳 “已经很随机”。纠正:时间戳熵值极低(毫秒~秒级),可暴力枚举,属于典型不安全种子。
八、总结
不安全随机数的本质,是开发者用 “统计随机” 的 PRNG 承担了 “不可预测” 的安全职责。Java java.util.Random(LCG)和 PHP mt_rand()(MT19937)都是经过工业界广泛研究、可被完整破解的 PRNG:前者线性同余、48 位状态可用少量输出恢复;后者 Mersenne Twister、624 个输出即可逆向出完整状态。一旦攻击者恢复种子或状态,就能精确预测验证码、密码重置 token、会话 ID、券码、加密 IV/Nonce,造成账户接管、越权、薅羊毛、加密失效。
真实业务里,这类漏洞往往不是 “算法多难”,而是 “API 用错”—— 把 Math.random/mt_rand 用在 token、验证码上。审计的判断标准非常明确:安全敏感随机值必须来自 CSPRNG,用了 PRNG 就是确定性高危。定位方法就是全局搜索 PRNG API、追踪流向安全敏感位置、配合工具扫描和种子 / 序列预测验证。
对开发团队,修复方向清晰:统一用 SecureRandom/random_bytes/secrets/crypto.getRandomValues,禁用时间戳 / 固定种子,token 高熵短生命周期加频控;把随机数误用纳入高危代码规范与专项 review。随机数看似是 “实现细节”,实则是很多账户接管和业务逻辑漏洞的真正根源,代码审计绝不能把它当小问题跳过。
如果你是也准备转行学习网络安全(黑客)或者正在学习,这些我购买的资源可以分享给你们,互勉:
①网络安全学习路线
②20份渗透测试电子书
③安全攻防357页笔记
④50份安全攻防面试指南
⑤安全红队渗透工具包
⑥网络安全必备书籍
⑦100个漏洞实战案例
⑧安全大厂内部视频资源
⑨历年CTF夺旗赛题解析
一、网络安全(黑客)学习路线
网络安全(黑客)学习路线,形成网络安全领域所有的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

二、网络安全教程视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

三、网络安全CTF实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这里带来的是CTF&SRC资料&HW资料,毕竟实战是检验真理的唯一标准嘛~

四、网络安全面试题
最后,我们所有的作为都是为就业服务的,所以关键的临门一脚就是咱们的面试题内容,所以面试题板块是咱们不可或缺的部分,这里我给大家准备的就是我在面试期间准备的资料。

网安其实不难,难的是坚持和相信自己,我的经验是既然已经选定网安你就要相信它,相信它能成为你日后进阶的高效渠道,这样自己才会更有信念去学习,才能在碰到困难的时候坚持下去。
机会属于有准备的人,这是一个实力的时代。人和人之间的差距不在于智商,而在于如何利用业余时间,只要你想学习,什么时候开始都不晚,不要担心这担心那,你只需努力,剩下的交给时间!
这份完整版的网络安全学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

本文深入剖析Java java.util.Random(LCG)和PHP mt_rand(MT19937)两类典型伪随机数生成器(PRNG)的安全风险,阐明其非密码学安全性本质:种子可预测、状态可恢复,导致验证码、密码重置token、优惠券码、会话ID等关键业务参数被精确预测。结合真实漏洞案例与Python复现方法,明确CSPRNG(如SecureRandom、random_bytes)为唯一合规方案,并给出代码审计清单、高危判定规则及修复规范。
74

被折叠的 条评论
为什么被折叠?



