前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Wifi 四次握手认证过程介绍

Wifi 四次握手认证过程介绍

作者头像
信安之路
发布于 2018-08-08 09:21:34
发布于 2018-08-08 09:21:34
7.9K0
举报
文章被收录于专栏:信安之路信安之路

本文作者:98(信安之路作者团队成员)

如今大家都非常熟悉 WiFi 密码常见的破解手法,可是破解的原理你懂吗?我想很多人都是不知道的,所以今天就来简单的讲解一下。

WiFi 的四次握手是干什么的?

这是 WiFi 身份认证的一个过程,如果没有你的设备没有通过他的身份验证就不能加入他的局域网当中。

WiFi 的四次握手跟破解 WiFi 有什么关系?

我们的 WiFi 跑包就是利用这个进行暴力破解的,抓取握手过程的密钥进行暴力破解

正文开始

我们先看看攻击者在破解一个 WiFi 的流程图(注:此图不分主动扫描和被动扫描)

我们都知道在攻击一个无线信号时,常常需要使用一些专业的设备,而对于 Wifi 的攻击则不需要,因为对于 Wifi 的 "攻击设备" 就是 WiFi 802.11 协议中的管理帧,具体的可以去看我的 《wifi 杀手》文章

WAP/WAP2 算法

WPA = 802.1x + EAP + TKIP +MIC = Pre-shared Key + TKIP + MIC

802.11i(WPA2) = 802.1x + EAP + AES + CCMP = Pre-shared Key + AES + CCMP

想要理解上面的公式,我们需要了解一些其中的专业名词,如下:

(Supplicant 请求者): 任何企图接入 APs 服务集的设备

PSK(Pre-Shared Key, 预共享密钥):PSK 是预共享密钥,是用于验证 L2TP/IPSec 连接的 Unicode 字符串

PMK(Pairwise Master Key, 成对主密钥):认证者用来生成组临时密钥(GTK)的密钥,通常是认证者生成的一组随机数。

GTK(Group Transient Key,组临时密钥):由组主密钥(GMK)通过哈希运算生成,是用来保护广播和组播数据的密钥。

MIC(message integrity code,消息完整性校验码)。针对一组需要保护的数据计算出的散列值,用来防止数据遭篡改。

Nonce: 一个随机生成的值,只使用一次。

PTK(Pairwise Transient Key, 成对临时密钥): 最终用于加密单播数据流的加密密钥。

GTK (Group Temporal Key, 组临时密钥):最终用于加密广播和组播数据流的加密密钥。

知道了这些术语之后,再对比之前的图片,相信你就可以理解了,WAP/WAP2 的四次握手过程通过一系列的密钥交换来实现的。

PTK 包含 3 个部分,KCK(Key Confirmation Key),KEK(Key Encryption Key),TK(Temporal Key)。如图:

当使用不同加密模式的时候所产生的字节是不一样的

当加密方式是 TKIP 时,PTK 长 512 位,按顺序分别为 KCK 占 128 位,KEK 占 128 位,TK 占 128 位, MIC key 占 128 位。

当加密模式是 CCMP 时,KCK128 位,KEK128 位,TK128 位。KEK 和 KCK 是给 EAPOL-Key 加密验证用的,TK 是给后面数据加密用的。

第一个是 EAPOL 密钥确认密钥(简称 KCK),用来计算密钥生成的消息的完整性校验值。第二个 EAPOL 密钥加密密钥(简称 KEK)用来加密密钥生成的消息。

组密钥:

GMK 主组密钥 (group master key) 以作为临时密钥的基础和成对密钥一样扩展获得 GTK (groupTransient Key)

公式如下:

GTK = PRF-X ( GMK,"Group key expansion",AA||GN)

GN - Authenticator 生成的 Nonce

AA - Authenticator MAC 地址

注意和成对密钥扩展不同的是没有 supplicant 的 AA,AN, 如图

其实就是利用主密钥作为临时密钥的基础,通过伪随机函数,组主密钥会被展开成组密钥层次结构。在此并没有产生密钥加密(key encryption)或者密钥确定(key confirmation),因为密钥交换是以成对的 EAPOL 密钥(pairwise EAPOLkey)来进行配密钥的

四次握手过程图:

(资料来自 CWSP 无线认证的书里面,由于 CWSP 全英版本在 CSDA 作者原来可以该名上面找到部分翻译所以就直接借用了)

4-Way Handshake Message 1

首先 Authenticator 向 Supplicant 发送一个携带 ANonce 的 EAPOL-Key frame,

4-Way Handshake Message 2

Supplicant 将获得的 ANonce 和 AA,这个时候 Supplicant 已经拥有 PMK,AA 和 SPA,所以可以通过下面的函数计算出 PTK

PTK = PRF (PMK + ANonce + SNonce + AA + SPA)

Supplicant 根据 ANonce、 自己生成的一个 Nonce( SNonce) 、 自己所设置的 PMK 和 Authenticator 的 MAC 地址等信息进行密钥派生。(MAC(AA)无线网卡 MAC(SPA) AP 产生的随机值(ANonce) WiFi 随机尝试的值(SNonce)PRF(pseudo-random-function))

Supplicant 随后将 SNonce 以及一些信息通过第二个 EAPOL-Key 发送给 Authenticator。 Message 2 还包含一个 MIC 值,该值会被 KCK 加密。 接收端 Authenticator 取出 Message 2 中的 SNonce 后, 也将进行和 Supplicant 中类似的计算来验证 Supplicant 返回的消息是否正确。 如果不正确,这将表明 Supplicant 的 PMK 错误, 于是整个握手工作就此停止。

4-Way Handshake Message 3

如果 Supplicant 密钥正确, 则 Authenticator 也进行密钥派生。 此后, Authenticator 将发送第三个 EAPOL-Key 给 Supplicant, 该消息携带组临时密码( Group Transient Key, GTK, 用于后续更新组密钥, 该密钥用KEK 加密) 、 MIC( 用 KCK 加密) 。 Supplicant 收到 Message 3 后也将做一些计算, 以判断 AP 的 PMK 是否正确。 注意, IGTK( Integrity GTK) 用于加解密组播地址收发的管理帧。

4-Way Handshake Message 4

Supplicant 最后发送一次 EAPOL-Key 给 Authenticator 用于确认,如果认证成功, 双方将安装( Install) Key。 Install 的意思是指使用它们来对数据进行加密。

Controlled Port Unlocked

双方完成认证以后,authenticator 的控制端口将会被打开,这样 802.11 的数据帧将能够正常通过,而且所有的单播数据帧将会被 PTK 保护,所有的组播数据以及广播数据将会被 GTK 保护。

Supplicant 和 Authenticator 就此完成密钥派生和组对, 双方可以正常进行通信了。

由于 PTK 是有 PMK 使用所以他的加密过程是 MAC(AA)+ 无线网卡 MAC(SPA) +AP 产生的随机值(ANonce)+ WiFi 随机产生的值(SNonce)+ 你输入的密码

这个公式是由哈希和 MD5 进行计算得到的,即使你知道 4 个答案你都不能使用这个些答案进行逆推出密码,每次进行认证都是在使用不同的随机的产生的值进行运算

PTK = PRF (PMK + ANonce + SNonce + AA + SPA)

(这个公式还有一些函数不是变量就没有写出来)

当然 PTK 和 PMK 是可以进行转换的公式如下:

PTK ← PRF-X(PMK, “Pairwise key expansion”, Min(AA,SPA) || Max(AA,SPA) ||Min(ANonce,SNonce) || Max(ANonce,SNonce))*

(这个以作者的水平解释不了,希望有大佬解释一下。)

MIC 的算法:

MIC Key=PTK 前 16 个字节。是在第二次握手的时候 ,提取这个 PTK 前 16 个字节组成一个 MIC KEY。在第三次握手的时候提取这个 PTK 前 16 个字节组成一个 MICKEY 使用以下算法产生 MIC 值用这个 MIC KEY 和一个 802.1x data 数据帧使用以下算法得到 MIC 值:

MIC = HMAC_MD5(MIC Key,16,802.1x data)

(我们在握手包里面会知道一些其他的值,但是跟WiFi密码有关的就是这个 MIC)(SSID,AP_MAC,STATION_MAC,SNonce,ANonce,802.1xdata(数据))就是这些值都是我们知道的)

MIC的派生过程(来自百度)

l PSK=PMK=pdkdf2_SHA1(passphrase, SSID, SSID length,4096)

l PTK=SHA1_PRF(PMK, Len(PMK),"Pairwise key expansion",MIN(AA,SA) || Max(AA,SA) || Min(ANonce,SNonce) || Max(ANonce,SNonce))

l MIC KEY=提取PTK 的前16 个字节

l MIC = HMAC_MD5(MIC Key,16,802.1x data)

以上部分为专业知识和协议所以看起来比较枯燥毕竟是协议不能修改和解释。

暴力破解呢?

别急接下来就是介绍,当我们大概知道上面的四次握手过程我们就可以知道了暴力破解是利用了上面的什么东西进行暴力破解了

暴力破解 WiFi 其实就是利用取消身份认证这个帧进行攻击让客户端在连接 WiFi 的时候会自己断开连接,然后手机会自己再重新连接这个 WiFi,就是在重新连接这个 WiFi 的过程中(手机进行身份验证)攻击者截取到一些有用的密钥进行暴力破解。

原理:

这是一个 CAP 的数据包

里面有非常多的数据,而这个数据包是加密的所以一些重要的信息基本是看不出来的

而 WiFi 密码就在这个数据包里面但是需要验证

字典破解的原理:

以上的图都是作者画的有点丑,但是这样会比只说文字来的实在一些还明白一些。

用我们字典中的 PSK+ssid 先生成 PMK(此步最耗时,是目前破解的瓶颈所在),然后结合握手包中的客户端 MAC,AP 的 BSSID,A-NONCE(随机值),S-NONCE(随机值)计算 PTK,再加上原始的报文数据算出 MIC(MIC 计算是有:pdkdf2_SHA1, SHA1_PRF, HMAC_MD5 这些算法生成的)并与 AP 发送的 MIC 比较,如果一致,那么该 PSK 就是密钥。

总结:

还有说的不好的地方或者解释的不清楚的地方还请大家能在评论区指出来,能让作者看到以改进。作者也只能尽自己最大的努力来解释这个些枯燥的协议,但是协议是协议我们不能随意的修改他。所以作者尽力的给大家画图解释这样会让很多小白能看的懂一些。觉得好就点赞呀!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-06-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 信安之路 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
Facebook 图像机器学习平台 Lumos 升级,不是计算机视觉专业也能使用
【新智元导读】Facebook的图像机器学习处理Lumos日前进行了系统更新,在原来对照片和视频进行分类的基础上,运行速度更快,自动识别图像边界,能解释图中人物行为,并且利用以往的知识。Lumos 依靠Facebook的图像文本转换系统和 FBLearner Flow,Facebook表示其目标是使其达到像素般精确。 Facebook去年在Web Summit会议上公布了Lumos平台。它是一个可扩展的系统,用于对照片和视频进行分类。它可以扫描照片,快速训练A.I.识别新照片,查看照片中的对象并描述对象,从
新智元
2018/03/27
8930
业界 | Facebook 图像识别平台 Lumos 是什么?
大多数人懒得给照片加标签。如果你属于这一类(大概率事件),那么你一定知道搜索某张照片有多辛苦。 但这很有可能即将成为过去。 本周,Facebook 披露了其机器学习平台 Lumos 的更多信息: Lumos 将使用户们利用相片内容进行搜索,而不是图片名称或是标签。 Facebook 应用机器学习负责人 Joaquin Quiñonero Candela 解释说: “换句话说,搜索‘黑衬衫照片‘时,系统能识别出每张照片里是否有黑衬衫,并据此搜索;即便照片并没有被添加标签也没有关系。 Lumos 利用了计
AI科技评论
2018/03/09
1.7K0
业界 | Facebook 图像识别平台 Lumos 是什么?
Facebook推出人工智能引擎DeepText,让机器更好的理解语言和内容
【编者注】本文作者:Ahmad Abdulkader、Aparna Lakshmiratan、Joy Zhang,由机器之心编译,参与:孙睿、微胖 引言:前几天,有新闻报道在查举不良图片方面,Face
镁客网
2018/05/28
7520
通过照片内容搜图,Facebook这个新技能是如何实现的?
现在,你可以在Facebook上通过描述照片中的内容来搜索图片了:手工添加的图片标题和标签都不再重要。 这个功能的背后,是Facebook计算机视觉平台Lumos,他们在去年四月开发了这一平台,是为了把Facebook上的图片描述给有视觉障碍的用户听。 新功能详解 为了实现这个功能,Facebook使用了上百万张照片来训练深度神经网络,好在他们的平台上已经有数十亿张加了标题的图片。Facebook建立的模型通过某种概率性将搜索语句与从图片提取的特征匹配起来。 将搜索词和照片匹配起来之后,Face
量子位
2018/01/30
4.9K0
通过照片内容搜图,Facebook这个新技能是如何实现的?
【计算机视觉】一、计算机视觉概述
  计算机视觉是人工智能的重要组成部分,是赋予机器自然视觉能力的学科,相当于是人工智能的大门。
Qomolangma
2024/07/30
4200
【计算机视觉】一、计算机视觉概述
当机器学习遇到计算机视觉——上篇
image.png image.png 计算机视觉在上一个世纪60年代脱胎于人工智能与认知神经科学,旨在通过设计算法来让计算机自动理解图像的内容。为“解决”计算机视觉这一问题,麻省理工学院在1966年把它作为一个夏季项目正式提出,但人们很快发现要解决这个问题可能还需要更长的时间。在50年后的今天,一般的图像理解任务虽未得到完美解决,但也有了较为显著的进展。计算机视觉算法随着其商业化的成功,开始得到更广泛的关注,并实现了较大的飞跃。其中包括交互式分割算法(例如微软office中去除图片背景的功能)、图像搜索、
架构师研究会
2018/04/09
6080
当机器学习遇到计算机视觉——上篇
叶聪:朋友圈背后的计算机视觉技术与应用
AI要走进千家万户,融入整个社会,而不仅仅是曲高和寡的模型。所以现在非常讲究AI场景化,使它成为与产业相关的部分。
腾讯云开发者社区技术沙龙
2018/08/13
1.9K0
深度 | Facebook AML实验室负责人: AI技术落地的N种方法
(Facebook AML实验室负责人 Joaquin Candela) 编者按:在Facebook,有两个实验室领导着AI发展方向,一个是Yann LeCun领导的FAIR实验室,偏向AI的基础研究;另一个,就是AML实验室,偏向机器学习应用,负责将AI技术落地在Facebook各种产品。本月初,AML实验室负责人Joaquin Candela在@Scale大会上发表了一次演讲,他讲述了Facebook在规模化应用AI技术的方方面面,包括Facebook人工智能母体FB Learner Flow平台、
AI科技评论
2018/03/12
1.3K0
深度 | Facebook AML实验室负责人: AI技术落地的N种方法
深入Facebook机器学习部门:服务、模型、框架和硬件(贾扬清等HPCA论文)
来源:research.fb.com 作者:Kim Hazelwood et al. 编译:刘小芹 【新智元导读】近日 Facebook 研究团队公开一篇 HPCA 2018 论文,作者包括 Caffe 作者贾扬清等人,深度揭示了 Facebook 内部支持机器学习的硬件和软件基础架构。Facebook 的几乎所有的服务都广泛应用机器学习,其中计算机视觉只占资源需求的一小部分。此外,Facebook 依赖多种机器学习方法,包括但不限于神经网络。硬件方面,用CPU 做推理,CPU 和 GPU都用于训练,并且进
新智元
2018/03/20
1.2K0
深入Facebook机器学习部门:服务、模型、框架和硬件(贾扬清等HPCA论文)
当机器学习遇上计算机视觉
作者:Jamie Shotton,Antonio Criminisi,Sebastian Nowozin 机构:微软剑桥研究院 译者:andydoo,kbyran 摘自:译言(www.yeeyan.org) 计算机视觉在上一个世纪60年代脱胎于人工智能与认知神经科学,旨在通过设计算法来让计算机自动理解图像的内容。为了“解决”机器视觉的问题,1966年,在麻省理工学院,这个问题作为一个夏季项目被提出,但是人们很快发现要解决这个问题可能还需要更长时间。在50年后的今天,一般的图像理解任务仍旧是不能得到完美解决
大数据文摘
2018/05/21
5590
【重磅】Facebook 开源计算机视觉系统,从像素水平理解图像(附论文及代码)
【新智元导读】昨天谷歌开源了TensorFlow自动文本摘要生成模型,今天 Facebook 宣布开源计算机视觉系统,称该系统能“从像素水平理解物体”,Facebook 希望开源能加速计算机视觉的发展。不过,Facebook 并没有在自家产品中使用这些工具,像这样落实到具体应用前就开源,跟通常所说的“开源”有些不同。对此,Facebook 人工智能团队 FAIR 的负责人 Yann LeCun 曾表示,正是因为 FAIR 做基础的、不受制于公司短期效益的研究,才能真正推进人工智能技术发展。无论如何,开源将加
新智元
2018/03/23
1.1K0
【重磅】Facebook 开源计算机视觉系统,从像素水平理解图像(附论文及代码)
【重磅】Facebook首次公开内部机器学习平台,启动AI帝国
【新智元导读】Tensorflow凭“谷歌”“开源”两个标签自2015年底发布以来便名震深度学习圈。而前年底Facebook就打造其专属ML平台FBLearner Flow,大幅提高员工工作效率。今天,FB工程师首次披露该平台细节,公司意欲进一步提高速度、效率,迈向ML自动化。虽然目前仍限内部使用,但不排除FB这款“Flow”未来也将开源。两大巨头的两股“Flow”如何较量?先从了解FBLearner Flow开始。 Facebook 现在在信息推荐、过滤攻击言论、推荐热门话题、搜索结果排名等等已经使用了
新智元
2018/03/22
1.8K0
【重磅】Facebook首次公开内部机器学习平台,启动AI帝国
针对计算机视觉一些问题的分析
至少在过去十年间,解决计算机视觉领域内各种问题的技术已经有了很大的进步,其中一些值得注意的问题有图像分类、对象检测、图像分割、图像生成、图像字幕生成等。在这篇博客文章中,我将简要地解释其中的一些问题,并尝试从人类如何解读图像的角度比较这些技术。我还将把这篇文章引导到 AGI(人工智能)领域并加入我的一些想法。
AI研习社
2018/09/25
6270
针对计算机视觉一些问题的分析
旷视首席科学家孙剑:计算机视觉的变革和挑战 | 北大AI公开课笔记
周三晚,北京大学“人工智能前沿与产业趋势”第三讲,本期旷视研究院院长孙剑授课主题为“计算机视觉的变革与挑战”,分享了计算机视觉和深度学习领域的一些研究进展。
量子位
2018/07/24
6220
旷视首席科学家孙剑:计算机视觉的变革和挑战 | 北大AI公开课笔记
Facebook AI 野心与LeCun的小目标:拥有类人智能的对话助理
【新智元导读】 不同于以往的“深度好文”,这篇描写 Facebook AI发展的文章不仅仅聚焦在机器学习技术,更多地强调各种先进的机器学习模型与Facebook 本身的基础架构、大规模部署和产品管道之间的配合,并强调硬件的支撑能力。对于公司来说,得应用者才能得天下,文章列举了 Facebook 从2012年来在图像识别和视频识别等方面的技术应用,强调AI 技术的发展中学术实验与产业应用之间存在显著差异。不管是扎克伯格还是Yann LeCun,他们的目标都是打造具有类似人类智力的对话代理,AI 毫无疑问是F
新智元
2018/03/27
7930
Facebook AI 野心与LeCun的小目标:拥有类人智能的对话助理
大厂技术实现 | 图像检索及其在淘宝的应用 @计算机视觉系列
图像检索任务指的是,给定查询图像,从图像数据库中找到包含相同或相似实例的图像。典型应用之一就是电商商品检索,如淘宝拍立淘,只需要用户随手拍照即可精准检索,提高了电商购物的体验。本篇我们来看看淘宝拍立淘背后的实现方案和依托的计算机视觉技术。
ShowMeAI
2021/11/24
2.9K0
大厂技术实现 | 图像检索及其在淘宝的应用 @计算机视觉系列
Facebook如何运用机器学习进行亿级用户数据处理
编译 | 刘畅、尚岩奇、林椿眄 审校 | reason_W 2017年末,Facebook应用机器学习组发布最新论文,对整个Facebook的机器学习软硬件架构进行了介绍。纵览全文,我们也可以从中对Facebook各产品的机器学习策略一窥究竟。论文中涉及到机器学习在全球规模(上亿级数据处理)上的全新挑战,并给出了Facebook的应对策略和解决思路,对相关行业和研究极其有意义。 摘要 机器学习在Facebook的众多产品和服务中都有着举足轻重的地位。 本文将详细介绍Facebook在机器学习方面的软硬件
用户1737318
2018/06/05
8220
图像内容的「深度」理解及其应用
本文作者:朱晓龙博士,2015 年毕业于香港大学,主攻计算机视觉和机器学习方向,涉及物体检测,位姿估计,人脸特征点定位,3D 视觉等课题。本科期间参与北京大学智能车环境感知项目,基于 LIDAR 的图像理解工作发表在机器人顶级会议上。2015 年底加入腾讯,在 TEG 内部搜索部工程平台中心参与深度学习平台的开发与应用。长按以下二维码,在腾讯KM上查看本文 Introduction: 交互方式决定未来 云对雨,雪对风,晚照对晴空。——《声律启蒙》 随着设备的迭代,数据的形态也越来越丰富。PC 时代的键
腾讯技术工程官方号
2018/01/26
3.3K0
【腾讯计算机视觉团队首次曝光】AI Lab深度解读CVPR五大前沿
【新智元导读】去年4月成立,今年首次参展的腾讯AI Lab被CVPR录取6篇论文。本届CVPR最热门的研究方向有哪些?显示了计算机视觉应用的哪些趋势?本文带来深度解析和重要论文评述。腾讯方面透露,AI Lab的计算机视觉团队(CV团队)是最早组建的研究团队之一,目前有十多位基础研究科学家,大多拥有国内外院校博士学位,并与一个较大的应用工程师团队紧密合作,由计算机视觉和机器学习专家刘威博士领导。 本文将深度解析本届CVPR热门研究。第一部分是五大前沿领域的重点文章解析,包括低中层视觉、图像描述生成、3D视觉、
新智元
2018/03/23
1.2K0
【腾讯计算机视觉团队首次曝光】AI Lab深度解读CVPR五大前沿
从CVPR 2021的论文看计算机视觉的现状
计算机视觉(Computer Vision, CV)是人工智能领域的一个领域,致力于让计算机能够像人类一样识别和处理图像和视频中的物体。以前,计算机视觉只能在有限的能力下工作。但由于深度学习的进步,该领域近年来取得了巨大的飞跃,现在正在迅速改变不同的行业!
deephub
2021/07/23
4490
从CVPR 2021的论文看计算机视觉的现状
推荐阅读
相关推荐
Facebook 图像机器学习平台 Lumos 升级,不是计算机视觉专业也能使用
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档