前端加密(常用加密方式及使用)

一. 什么是前端加密?(先纠正一个常见误区)

前端加密,指的是在浏览器(js环境)中,对数据进行加密/签名/混淆/校验等操作,再发送给后端

重要认知:

前端加密 ≠ 绝对安全

前端代码是可被查看,可被调试,可被篡改的. 

所以前端加密的核心目的不是[防止高手],而是: 

  • 防止明文传输
  • 防止低成本抓包,脚本刷接口
  • 提高攻击门槛
  • 与后端做配合校验

二 . 前端常见的加密[分类]

  1. 哈希(不可逆) : (哈希也叫散列,是一种将任意长度的输入如数据,文件,消息)通过哈希函数转换成固定长度输出的过程,这个输出通常成为哈希值,散列值摘要

    用途

    1. 密码处理
    2. 签名校验
    3. 数据完整性校验

    常见算法: 
    1. MD5(已不安全) : 可人为制造碰撞(指攻击者找到两个不同的输入,经过哈希计算后,却产生相同的哈希值的过程)
    2. SHA-1 (不推荐,逐渐被淘汰,存在碰撞攻击) 
    3. SHA-256 和 SHA-512(推荐,属于SHA-2),目前广泛应用

        示例
        1.使用api : window.crypto.subte( ) 密码学操作(需要HTTPS)
        2. 也可以使用CryptoJS js 的加密库, 支持多种加密算法(AES,SHA,MD5等)

// 1. 准备数据 const text = "123456"; const encoder = new TextEncoder(); const data = encoder.encode(text); // 2. 计算哈希 const hashBuffer = await crypto.subtle.digest('SHA-256', data); // 3. 转为十六进制 const hashArray = Array.from(new Uint8Array(hashBuffer)); const hashHex = hashArray.map(b => b.toString(16).padStart(2, '0')).join(''); console.log("SHA-256:", hashHex); // 输出: 8d969eef6ecad3c29a3a629280e686cf0c3f5d5a86aff3ca12020c923adc6c92

2.对称加密(前后端共用密钥) 

特点: 

  • 加密解密使用同一个key 
  • 性能好,适合大量数据

常见算法

  • AES(主流): 是目前全球最常用的对称加密算法,美国国家安全局用来保护绝密级信息的算法
  • DES(已过时): 被破解 

示例: 

// 最简单的AES加密解密 async function aesSimple() { // 1. 生成密钥 const key = await crypto.subtle.generateKey( {name: "AES-GCM", length: 256}, true, ["encrypt", "decrypt"] ); // 2. 加密 const iv = crypto.getRandomValues(new Uint8Array(12)); const encrypted = await crypto.subtle.encrypt( {name: "AES-GCM", iv}, key, new TextEncoder().encode("你好世界") ); // 3. 解密 const decrypted = await crypto.subtle.decrypt( {name: "AES-GCM", iv}, key, encrypted ); console.log("结果:", new TextDecoder().decode(decrypted)); // 你好世界 } aesSimple();

3.非对称加密(公钥/私钥): 先用它安全的交换对称密钥,然后用对称加密处理数据! 

特点: 

  • 前端: 公钥加密 
  • 后端: 私钥解密
  • 私钥不暴露 

适合: 

  • 密码 
  • 关键字段
  • 初始密钥交换

缺点

  • 慢 
  • 不适合大量数据 

常见算法 : 

ECC(更安全,少见) 加密原理来自于椭圆双曲线
 

// ECC 密钥交换完整流程演示 class ECCFlow { static async demonstrateCompleteFlow() { console.log("ECC 密钥交换完整流程演示"); console.log("=========================="); // 第1步:选择椭圆曲线 console.log("\n第1步:选择椭圆曲线"); const curve = "P-256"; console.log(" 选择的曲线: " + curve); console.log(" 安全强度: 128位"); console.log(" 公钥长度: 65字节"); console.log(" 私钥长度: 32字节"); // 第2步:双方生成密钥对 console.log("\n第2步:双方生成密钥对"); // Alice 生成密钥对 const aliceKeyPair = await crypto.subtle.generateKey( { name: "ECDH", namedCurve: curve }, true, ["deriveKey"] ); console.log(" Alice 生成密钥对:"); console.log(" - 私钥: 保密存储"); console.log(" - 公钥: 准备发送给 Bob"); // Bob 生成密钥对 const bobKeyPair = await crypto.subtle.generateKey( { name: "ECDH", namedCurve: curve }, true, ["deriveKey"] ); console.log(" Bob 生成密钥对:"); console.log(" - 私钥: 保密存储"); console.log(" - 公钥: 准备发送给 Alice"); // 第3步:交换公钥 console.log("\n第3步:交换公钥(通过网络)"); const bobPublicKey = bobKeyPair.publicKey; console.log(" Alice 收到 Bob 的公钥"); const alicePublicKey = aliceKeyPair.publicKey; console.log(" Bob 收到 Alice 的公钥"); // 第4步:计算共享密钥 console.log("\n第4步:各自计算共享密钥"); console.log(" 数学原理:"); console.log(" Alice私钥 × Bob公钥 = Bob私钥 × Alice公钥"); // Alice 计算共享密钥 const aliceSharedKey = await crypto.subtle.deriveKey( { name: "ECDH", public: bobPublicKey }, aliceKeyPair.privateKey, { name: "AES-GCM", length: 256 }, true, ["encrypt", "decrypt"] ); console.log(" Alice 计算共享密钥完成"); // Bob 计算共享密钥 const bobSharedKey = await crypto.subtle.deriveKey( { name: "ECDH", public: alicePublicKey }, bobKeyPair.privateKey, { name: "AES-GCM", length: 256 }, true, ["encrypt", "decrypt"] ); console.log(" Bob 计算共享密钥完成"); // 第5步:验证密钥相同 console.log("\n第5步:验证双方密钥相同"); const aliceKeyBytes = await crypto.subtle.exportKey("raw", aliceSharedKey); const bobKeyBytes = await crypto.subtle.exportKey("raw", bobSharedKey); const aliceHex = Array.from(new Uint8Array(aliceKeyBytes)) .map(b => b.toString(16).padStart(2, '0')) .join(''); const bobHex = Array.from(new Uint8Array(bobKeyBytes)) .map(b => b.toString(16).padStart(2, '0')) .join(''); console.log(" 验证结果:"); console.log(" Alice 密钥: " + aliceHex.substring(0, 32) + "..."); console.log(" Bob 密钥: " + bobHex.substring(0, 32) + "..."); console.log(" 是否相同: " + (aliceHex === bobHex ? "是" : "否")); // 第6步:使用共享密钥加密通信 console.log("\n第6步:使用共享密钥加密通信"); const message = "会议时间改为下午2点"; console.log(" Alice 要发送: \"" + message + "\""); // 加密 const iv = crypto.getRandomValues(new Uint8Array(12)); const encrypted = await crypto.subtle.encrypt( { name: "AES-GCM", iv }, aliceSharedKey, new TextEncoder().encode(message) ); console.log(" 加密完成:"); console.log(" - 密文长度: " + encrypted.byteLength + " 字节"); console.log(" - IV: " + Array.from(iv).slice(0, 3).join(',') + "..."); // 第7步:Bob 解密消息 console.log("\n第7步:Bob 解密消息"); const decrypted = await crypto.subtle.decrypt( { name: "AES-GCM", iv }, bobSharedKey, encrypted ); const decryptedMessage = new TextDecoder().decode(decrypted); console.log(" Bob 解密得到: \"" + decryptedMessage + "\""); console.log(" 是否正确: " + (message === decryptedMessage ? "是" : "否")); // 安全性分析 console.log("\n安全性分析:"); console.log(" 中间人无法计算共享密钥"); console.log(" 即使窃听到公钥交换也没用"); console.log(" 每次会话可生成新的密钥对"); return { aliceKeyPair, bobKeyPair, sharedKey: aliceSharedKey, encryptedMessage: encrypted }; } } // 运行完整流程 ECCFlow.demonstrateCompleteFlow().catch(console.error);

4. 非对称加密和对称加密对比

RSA(最常见): 原理来自于大数的质因数分解
 

 async function generateRSAKeys () { // 生成 RSA 密钥对 const keyPair = await crypto.subtle.generateKey( { name: "RSA-OAEP", // RSA 算法 modulusLength: 2048, // 2048 位 publicExponent: new Uint8Array([0x01, 0x00, 0x01]), // 65537 hash: "SHA-256" // 使用的哈希 }, true, // 可导出 ["encrypt", "decrypt"] // 用途 ); return { publicKey: keyPair.publicKey, privateKey: keyPair.privateKey }; } async function rsaEncryptDecrypt () { console.log("=== RSA 加密解密示例 ==="); // 1. 生成密钥对 const { publicKey, privateKey } = await generateRSAKeys(); console.log("密钥对生成完成"); // 2. 准备要加密的数据 const message = "这是一条秘密消息"; const data = new TextEncoder().encode(message); // 3. 用公钥加密 const encrypted = await crypto.subtle.encrypt( { name: "RSA-OAEP" }, publicKey, data ); console.log("加密完成,密文长度:", encrypted.byteLength, "字节"); // 4. 用私钥解密 const decrypted = await crypto.subtle.decrypt( { name: "RSA-OAEP" }, privateKey, encrypted ); const decryptedMessage = new TextDecoder().decode(decrypted); console.log("解密结果:", decryptedMessage); return { publicKey, privateKey, encrypted }; } // 运行示例 rsaEncryptDecrypt().catch(console.error);

特性

对称加密

非对称加密

密钥数量

单个密钥,加解密相同。

一对密钥,公钥加密,私钥解密。

速度

非常快,适合加密大量数据。

非常慢(比对称加密慢100-1000倍),不适合大数据。

安全性基础

密钥的保密性。密钥必须安全共享。

密钥对的数学关系。私钥保密,公钥可公开。

主要功能

保证数据的机密性

保证机密性、身份认证和不可否认性

密钥分发

核心难题。如何安全地将密钥传递给对方?

天然解决。公钥可以公开分发,无需保密。

常见算法

AES(高级加密标准)、DES、3DES、ChaCha20

RSA、ECC(椭圆曲线加密)、ElGamal

典型应用

文件加密、数据库加密、SSL/TLS会话加密、Wi-Fi(WPA2)

SSL/TLS密钥交换、数字签名、电子邮件加密(PGP)、区块链

5. 签名≠加密 

签名的本质是: 

证明数据是"你"发的,且未被篡改 

常见做法: 

sign = hash(params + secret + timestamp)

//前端

sign = sha256(a=1&b=2&secret=xxx&ts=123

后端: 

  • 用同样规则计算
  • 对比sign是否一致

三. 前端加密的底线原则 

  1. 前端加密永远不是安全的终点 
  2. 所有安全校验,必须在后端完成
  3. 前端加密的价值是: 降低成本攻击,而不是消灭攻击 
  4. 真正的安全 = https + 前端处理 + 后端校验 + 风控策略 

Read more

口播博主必备神器:旗博士爆款口播自动生成智能体,一键生成AI口播视频,无限次数生成

口播博主必备神器:旗博士爆款口播自动生成智能体,一键生成AI口播视频,无限次数生成

KrLongAI 旗博士:本地部署的 AI 数字人口播视频全流程自动化工程 在 AIGC 赋能内容创作的浪潮下,数字人口播视频成为内容生产的重要形式,但传统制作流程存在文案创作难、音视频处理繁琐、多平台发布效率低等痛点。今天给大家推荐一款本地运行、模块化、可扩展的 AI 数字人口播视频自动化生成工具 ——KrLongAI 旗博士,它实现了从对标文案提取到多平台发布的全链路自动化,完美解决内容生产效率问题,同时兼具技术学习与工程实践价值,是 AI 视频方向开发者和内容创作者的优质工具。 PS:文末附有获取软件方式 免费获取软件、试用: https://pan.baidu.com/s/12kNd-iKyWLku9HWNCRccGQ?pwd=1234 案例 做自媒体必看!超强口播 AI 智能体,视频一键生成不限制 一、项目核心定位:工程整合与流程自动化 KrLongAI 旗博士并非单一的 AI 模型工具,

AI的提示词专栏:用 Prompt 生成正则表达式进行文本匹配

AI的提示词专栏:用 Prompt 生成正则表达式进行文本匹配

AI的提示词专栏:用 Prompt 生成正则表达式进行文本匹配 本文围绕 “用 Prompt 生成正则表达式” 展开,先阐述二者结合的价值,即降低正则使用门槛、提升效率并适配灵活场景;接着介绍正则核心基础,为精准描述 Prompt 打基础;随后详解 Prompt 设计的三大原则与四段式结构,确保模型生成精准正则;还通过匹配固定电话、提取 URL 域名等 5 个高频场景,提供完整 Prompt 示例、模型输出及验证分析;最后梳理常见问题与解决方案,并给出总结与扩展学习建议,整体为读者提供从需求描述到工具落地的完整指南,助力高效解决文本匹配问题。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。无论你是刚接触 AI 的新手,还是有一定基础想提升的人,都能在这里找到合适的内容。

人工智能:自然语言处理在客户服务领域的应用与实战

人工智能:自然语言处理在客户服务领域的应用与实战

人工智能:自然语言处理在客户服务领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在客户服务领域的应用场景和重要性 💡 掌握客户服务领域NLP应用的核心技术(如聊天机器人、情感分析、意图识别) 💡 学会使用前沿模型(如BERT、GPT-3、Transformer)进行客户服务文本分析 💡 理解客户服务领域的特殊挑战(如对话上下文、用户意图多样性、实时性要求高) 💡 通过实战项目,开发一个智能客户服务聊天机器人应用 重点内容 * 客户服务领域NLP应用的主要场景 * 核心技术(聊天机器人、情感分析、意图识别) * 前沿模型(BERT、GPT-3、Transformer)在客户服务领域的使用 * 客户服务领域的特殊挑战 * 实战项目:智能客户服务聊天机器人应用开发 一、客户服务领域NLP应用的主要场景 1.1 聊天机器人 1.1.1 聊天机器人的基本概念 聊天机器人是能够模拟人类对话的计算机程序。在客户服务领域,聊天机器人的主要应用场景包括: * 自动应答:回答用户的常见问题 * 任务处理:

深入解析 Rust + LLM 开发:手把手教你写一个 AI 运维助手

深入解析 Rust + LLM 开发:手把手教你写一个 AI 运维助手

目录 * 摘要 * 第一章:Linux 环境下的 Rust 开发生态构建 * 1.1 构建工具链与系统依赖安装 * 1.2 Rust 工具链(Toolchain)的部署 * 1.3 环境变量配置与验证 * 第二章:蓝耘 MAAS 平台接入与资源配置 * 2.1 获取 API 凭证 * 2.2 模型选型与端点配置 * 第三章:Rust 项目架构设计与依赖管理 * 3.1 依赖库(Crates)深度解析 * 第四章:核心模块实现原理 * 4.1 AI 客户端模块 (ai_client.rs) * 4.2