rsa詳解及例題及python算法
rsa 詳解及例題及python
算法原理
RSA公開密鑰密碼體制的原理是:根據(jù)數(shù)論,尋求兩個大素數(shù)比較簡單,而將它們的乘積進行因式分解卻極其困難,因此可以將乘積公開作為加密密鑰
算法描述
- 任意選取兩個不同的大素數(shù)p和q計算乘積 n=pq
- n 的歐拉函數(shù) φ(n): φ(n)=(p-1)(q-1)
- 任意選取一個大整數(shù)e,滿足 gcd(e, φ(n))=1,整數(shù)e用做加密鑰
- (注意:gcd是最大公約數(shù),e的選取是很容易的,例如,所有大于p和q的素數(shù)都可用)
- 確定的解密鑰d,滿足 (de) mod φ(n) = 1
- 公開整數(shù)n和e,秘密保存d
- 公鑰(n,e)
- 私鑰(n,d)
c:密文
m:明文
將明文 m 加密成密文c :c = m^e mod n
將密文 c 解密為明文m: m = c^d mod n
案例手稿

我可是開了計算器的,這手算不來???????? ,數(shù)據(jù)真實有效

實現(xiàn)python 運算
數(shù)據(jù)同手稿最后一個
m=71 -> c=15
import gmpy2 e = 13 p = 7 q = 11 m = 71 # 明文 n = p * q phi = (p-1)*(q-1) # 求φ(n) d = gmpy2.invert(e, phi) # 解密指數(shù)d c = pow(m, e, n) # c = m^e mod n print(c) # 15
c=15 -> m=71
import gmpy2 e = 13 p = 7 q = 11 c = 15 # 密文 n = p * q phi = (p-1)*(q-1) # 求φ(n) d = gmpy2.invert(e, phi) # 解密指數(shù)d m = pow(c, d, n) # m = c^d mod n print(m) # 71
正常的rsa c->m
import gmpy2 e = 65537 p = 164350308907712452504716893470938822086802561377251841485619431897833167640001783092159677313093192408910634151587217774530424780799210606788423235161145718338446278412594875577030585348241677399115351594884341730030967775904826577379710370821510596437921027155767780096652437826492144775541221209701657278949 q = 107494571486621948612091613779149137205875732174969005765729543731117585892506950289230919634697561179755186311617524660328836580868616958686987611614233013077705519528946490721065002342868403557070176752015767206263130391554820965931893485236727415230333736176351392882266005356897538286240946151616799180309 c = 17210571768112859512606763871602432030258009922654088989566328727381190849684513475124813364778051200650944085160387368205190094114248470795550466411940889923383014246698624524757431163133844451910049804985359021655893564081185136250014784383020061202277758202995568045817822133418748737332056585115499621035958182697568687907469775302076271824469564025505064692884524991123703791933906950170434627603154363327534790335960055199999942362152676240079134224911013272873561710522794163680938311720454325197279589918653386378743004464088071552860606302378595024909242096524840681786769068680666093033640022862042786586612 n = p * q phi = (p - 1) * (q - 1) d = gmpy2.invert(e, phi) # print(d) # d = 10095641463285806689688988669044958090788365778905483762638208789928575529502449849401292767726529997650439299015629157860588641396532350448192417234115775710546923180797320293516940576508757762754018567918113024001776672047516740167084526876904933632661036267682605889561715539758853760422969139832554919002326234307334716814878144233472982025457216787932684627988735853402622522302446460089411169271999550088279345136169249058325303590053665436848597082040492623325205128048625400148897314726782189085723532731019805440603017682798178125617958332012328823973231309306940239141155633610022544319334662491790481464305 m = pow(c, d, n) # m = c^d mod n print(m) # m = 164244530130068579551298796969937831989529603092769
m->c
import gmpy2 e = 65537 p = 164350308907712452504716893470938822086802561377251841485619431897833167640001783092159677313093192408910634151587217774530424780799210606788423235161145718338446278412594875577030585348241677399115351594884341730030967775904826577379710370821510596437921027155767780096652437826492144775541221209701657278949 q = 107494571486621948612091613779149137205875732174969005765729543731117585892506950289230919634697561179755186311617524660328836580868616958686987611614233013077705519528946490721065002342868403557070176752015767206263130391554820965931893485236727415230333736176351392882266005356897538286240946151616799180309 m = 164244530130068579551298796969937831989529603092769 n = p * q phi = (p - 1) * (q - 1) d = gmpy2.invert(e, phi) # print(d) # d = 10095641463285806689688988669044958090788365778905483762638208789928575529502449849401292767726529997650439299015629157860588641396532350448192417234115775710546923180797320293516940576508757762754018567918113024001776672047516740167084526876904933632661036267682605889561715539758853760422969139832554919002326234307334716814878144233472982025457216787932684627988735853402622522302446460089411169271999550088279345136169249058325303590053665436848597082040492623325205128048625400148897314726782189085723532731019805440603017682798178125617958332012328823973231309306940239141155633610022544319334662491790481464305 c = pow(m, e, n) # c = m^e mod n print(c) # c=17210571768112859512606763871602432030258009922654088989566328727381190849684513475124813364778051200650944085160387368205190094114248470795550466411940889923383014246698624524757431163133844451910049804985359021655893564081185136250014784383020061202277758202995568045817822133418748737332056585115499621035958182697568687907469775302076271824469564025505064692884524991123703791933906950170434627603154363327534790335960055199999942362152676240079134224911013272873561710522794163680938311720454325197279589918653386378743004464088071552860606302378595024909242096524840681786769068680666093033640022862042786586612
安全性
RSA的安全性依賴于大數(shù)分解,但是否等同于大數(shù)分解一直未能得到理論上的證明,也并沒有從理論上證明破譯。RSA的難度與大數(shù)分解難度等價
RSA算法的保密強度隨其密鑰的長度增加而增強。但是,密鑰越長,其加解密所耗用的時間也越長。因此,要根據(jù)所保護信息的敏感程度與攻擊者破解所要花費的代價值不值得以及系統(tǒng)所要求的反應(yīng)時間來綜合考慮
運算速度
由于進行的都是大數(shù)計算,使得RSA最快的情況也比DES慢上好幾倍,無論是軟件還是硬件實現(xiàn)。速度一直是RSA的缺陷。
一般來說只用于少量數(shù)據(jù)加密。RSA的速度比對應(yīng)同樣安全級別的對稱密碼算法要慢1000倍左右
到此這篇關(guān)于rsa 詳解及例題及python的文章就介紹到這了,更多相關(guān)rsa例題python內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python編程使用協(xié)程并發(fā)的優(yōu)缺點
協(xié)程是一種用戶態(tài)的輕量級線程,又稱微線程。這篇文章主要介紹了python編程使用協(xié)程并發(fā)的優(yōu)缺點,感興趣的朋友跟隨小編一起看看吧2018-09-09
Python使用matplotlib繪制三維參數(shù)曲線操作示例
這篇文章主要介紹了Python使用matplotlib繪制三維參數(shù)曲線操作,結(jié)合實例形式分析了Python使用matplotlib的數(shù)值計算與圖形繪制相關(guān)操作技巧,需要的朋友可以參考下2019-09-09
Python中print函數(shù)簡單使用總結(jié)
在本篇文章里小編給大家整理的是關(guān)于Python中怎么使用print函數(shù)的相關(guān)知識點內(nèi)容,需要的朋友們可以學(xué)習(xí)下。2019-08-08
pycharm出現(xiàn)了pytest模式下如何改回run模式
這篇文章主要介紹了pycharm出現(xiàn)了pytest模式下如何改回run模式問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-01-01
python?matplotlib繪畫十一種常見數(shù)據(jù)分析圖
這篇文章主要介紹了python?matplotlib繪畫十一種常見數(shù)據(jù)分析圖,文章主要繪制折線圖、散點圖、直方圖、餅圖等需要的小伙伴可以參考一下文章具體內(nèi)容2022-06-06
Python CategoricalDtype自定義排序?qū)崿F(xiàn)原理解析
這篇文章主要介紹了Python CategoricalDtype自定義排序?qū)崿F(xiàn)原理解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-09-09

