分布式服务器框架之Server.Core库中实现 XXTEA分组加密算法

本文涉及的产品
密钥管理服务KMS,1000个密钥,100个凭据,1个月
简介: 在密码学中,微型加密算法(Tiny Encryption Algorithm,TEA)是一种易于描述和执行的块密码,通常只需要很少的代码就可实现。其设计者是剑桥大学计算机实验室的大卫·惠勒与罗杰·尼达姆。这项技术最初于1994年提交给鲁汶的快速软件加密的研讨会上,并在该研讨会上演讲中首次发表。

1 XXTEA分组加密算法介绍


在密码学中,微型加密算法(Tiny Encryption Algorithm,TEA)是一种易于描述和执行的块密码,通常只需要很少的代码就可实现。其设计者是剑桥大学计算机实验室的大卫·惠勒与罗杰·尼达姆。这项技术最初于1994年提交给鲁汶的快速软件加密的研讨会上,并在该研讨会上演讲中首次发表。


在给出的代码中:加密使用的数据为2个32位无符号整数,密钥为4个32位无符号整数即密钥长度为128位


XTEA是TEA的升级版,增加了更多的密钥表,移位和异或操作等等。


XXTEA,又称Corrected Block TEA,又是XTEA的升级版 。目前XXTEA还暂未被破解。


XXTEA加密算法比较复杂,如果要彻底理解得把引用链接里给出的公式吃透差不多才能理解,这里面又涉及密码学和数学的很多知识,读者实在看不懂也没关系,直接拿去用就行,知道怎么用就可以了。


2 代码实现


XXTEAUtil.cs代码实现


using System;
using System.Collections.Generic;
using System.Text;
namespace Servers.Core.Utils
{
    public static class XXTEAUtil
    {
        public static readonly byte[] SoketKey = { 102, 120, 22, 24, 88, 6, 119, 88 };
        private static int RightMove(this int value, int pos)
        {
            if (pos != 0)
            {
                // int.MaxValue = 0x7FFFFFFF 整数最大值
                int mask = int.MaxValue;
                //无符号整数最高位不表示正负但操作数还是有符号的,有符号数右移1位,正数时高位补0,负数时高位补1
                value = value >> 1;
                //和整数最大值进行逻辑与运算,运算后的结果为忽略表示正负值的最高位
                value = value & mask;
                //逻辑运算后的值无符号,对无符号的值直接做右移运算,计算剩下的位
                value = value >> pos - 1;
            }
            return value;
        }
        private static int[] ToIntArray(byte[] data, bool includeLenth)
        {
            int n = (data.Length & 3) == 0 ? (data.Length.RightMove(2)) : (data.Length.RightMove(3)) + 1;
            int[] result;
            if (includeLenth)
            {
                result = new int[n + 1];
                result[n] = data.Length;
            }
            else
            {
                result = new int[n];
            }
            n = data.Length;
            for (int i = 0; i < n; ++i)
            {
                result[i.RightMove(2)] |= (0x000000ff & data[i]) << ((i & 3) << 3);
            }
            return result;
        }
        public static byte[] ToByteArray(int[] data, bool includeLength)
        {
            int n = data.Length << 2;
            if (includeLength)
            {
                int m = data[^1];
                if (m > n)
                {
                    return null;
                }
                else
                {
                    n = m;
                }
            }
            byte[] result = new byte[n];
            for (int i = 0; i < n; ++i)
            {
                result[i] = (byte)((data[i.RightMove(2)].RightMove((i & 3) << 3)) & 0xff);
            }
            return result;
        }
        //加密
        private static int[] Encrypt(int[] v, int[] k)
        {
            int n = v.Length - 1;
            if (n < 1)
                return v;
            if (k.Length < 4)
            {
                int[] key = new int[4];
                System.Array.Copy(k, 0, key, 0, k.Length);
                k = key;
            }
            int z = v[n], y = v[0];
            int delta = -1640531527;
            int sum = 0, e;
            int p, q = 6 + 52 / (n + 1); ;
            while (q-- > 0)
            {
                sum = (int)(sum + delta);
                e = sum.RightMove(2) & 3;
                for (p = 0; p < n; p++)
                {
                    y = v[p + 1];
                    z = v[p] += (z.RightMove(5) ^ y << 2) + (y.RightMove(3) ^ z << 4) ^ (sum ^ y) + (k[p & 3 ^ e] ^ z);
                }
                y = v[0];
                z = v[n] += (z.RightMove(5) ^ y << 2) + (y.RightMove(3) ^ z << 4) ^ (sum ^ y) + (k[p & 3 ^ e] ^ z);
            }
            return v;
        }
        //解密
        private static int[] Decrypt(int[] v, int[] k)
        {
            int n = v.Length - 1;
            if (n < 1)
            {
                return v;
            }
            if (k.Length < 4)
            {
                int[] key = new int[4];
                System.Array.Copy(k, 0, key, 0, k.Length);
                k = key;
            }
            int z = v[n], y = v[0], delta = -1640531527, sum, e;
            int p, q = 6 + 52 / (n + 1);
            sum = q * delta;
            while (sum != 0)
            {
                e = sum.RightMove(2) & 3;
                for (p = n; p > 0; p--)
                {
                    z = v[p - 1];
                    y = v[p] -= (z.RightMove(5) ^ y << 2) + (y.RightMove(3) ^ z << 4) ^ (sum ^ y) + (k[p & 3 ^ e] ^ z);
                }
                z = v[n];
                y = v[0] -= (z.RightMove(5) ^ y << 2) + (y.RightMove(3) ^ z << 4) ^ (sum ^ y) + (k[p & 3 ^ e] ^ z);
                sum = sum - delta;
            }
            return v;
        }
        public static string Base64Encode(string data)
        {
            try
            {
                byte[] encodeDataByte = System.Text.Encoding.UTF8.GetBytes(data);
                string encodeData = Convert.ToBase64String(encodeDataByte);
                return encodeData;
            }
            catch (Exception e)
            {
                throw new Exception("Error in base64Encode" + e.Message);
            }
        }
        public static string Base64Decode(string data)
        {
            try
            {
                byte[] toDecodeDataByte = Convert.FromBase64String(data);
                return System.Text.Encoding.UTF8.GetString(toDecodeDataByte);
            }
            catch (Exception e)
            {
                throw new Exception("Error in base64Decode" + e.Message);
            }
        }
        //byte数组 加密
        public static byte[] Encrypt(byte[] data)
        {
            if (null == data || data.Length == 0)
                return data;
            return ToByteArray(Encrypt(ToIntArray(data, true), ToIntArray(SoketKey, false)), false);
        }
        //bute数组 解密
        public static byte[] Decrypt(byte[] data)
        {
            if (null == data || data.Length == 0)
                return data;
            return ToByteArray(Decrypt(ToIntArray(data, false), ToIntArray(SoketKey, false)), true);
        }
        //字符串加密
        public static string Encrypt(string source,string key)
        {
            System.Text.Encoding encoder = System.Text.Encoding.UTF8;
            byte[] bytData = encoder.GetBytes(source);
            byte[] bytKey = encoder.GetBytes(key);
            if (bytData.Length == 0)
                return "";
            return Convert.ToBase64String(
                ToByteArray(Encrypt(ToIntArray(bytData, true), ToIntArray(bytKey, false)), false)
                ) ;
        }
        //字符串解密
        public static string Decrypt(string source, string key)
        {
            if (source.Length == 0)
                return "";
            System.Text.Encoding encoder = System.Text.Encoding.UTF8;
            byte[] bytData = Convert.FromBase64String(source);
            byte[] bytKey = encoder.GetBytes(key);
            return encoder.GetString(
                ToByteArray(Decrypt(ToIntArray(bytData, false), ToIntArray(bytKey, false)), true)
                );
        }
    }
}


3 参考资料


参考链接:https://blog.csdn.net/gsls200808/article/details/48243019

相关文章
|
18天前
|
机器学习/深度学习 自然语言处理 并行计算
DeepSpeed分布式训练框架深度学习指南
【11月更文挑战第6天】随着深度学习模型规模的日益增大,训练这些模型所需的计算资源和时间成本也随之增加。传统的单机训练方式已难以应对大规模模型的训练需求。
64 3
|
23天前
|
机器学习/深度学习 并行计算 Java
谈谈分布式训练框架DeepSpeed与Megatron
【11月更文挑战第3天】随着深度学习技术的不断发展,大规模模型的训练需求日益增长。为了应对这种需求,分布式训练框架应运而生,其中DeepSpeed和Megatron是两个备受瞩目的框架。本文将深入探讨这两个框架的背景、业务场景、优缺点、主要功能及底层实现逻辑,并提供一个基于Java语言的简单demo例子,帮助读者更好地理解这些技术。
45 2
|
1月前
|
机器学习/深度学习 算法 数据挖掘
基于GWO灰狼优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
本项目展示了基于分组卷积神经网络(GroupCNN)和灰狼优化(GWO)的时间序列回归预测算法。算法运行效果良好,无水印展示。使用Matlab2022a开发,提供完整代码及详细中文注释。GroupCNN通过分组卷积减少计算成本,GWO则优化超参数,提高预测性能。项目包含操作步骤视频,方便用户快速上手。
|
1月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于WOA鲸鱼优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
本项目展示了一种基于WOA优化的GroupCNN分组卷积网络时间序列预测算法。使用Matlab2022a开发,提供无水印运行效果预览及核心代码(含中文注释)。算法通过WOA优化网络结构与超参数,结合分组卷积技术,有效提升预测精度与效率。分组卷积减少了计算成本,而WOA则模拟鲸鱼捕食行为进行优化,适用于多种连续优化问题。
|
1月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA遗传优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
该算法结合了遗传算法(GA)与分组卷积神经网络(GroupCNN),利用GA优化GroupCNN的网络结构和超参数,提升时间序列预测精度与效率。遗传算法通过模拟自然选择过程中的选择、交叉和变异操作寻找最优解;分组卷积则有效减少了计算成本和参数数量。本项目使用MATLAB2022A实现,并提供完整代码及视频教程。注意:展示图含水印,完整程序运行无水印。
|
1月前
|
缓存 NoSQL Ubuntu
大数据-39 Redis 高并发分布式缓存 Ubuntu源码编译安装 云服务器 启动并测试 redis-server redis-cli
大数据-39 Redis 高并发分布式缓存 Ubuntu源码编译安装 云服务器 启动并测试 redis-server redis-cli
55 3
|
1月前
|
分布式计算 Hadoop
Hadoop-27 ZooKeeper集群 集群配置启动 3台云服务器 myid集群 zoo.cfg多节点配置 分布式协调框架 Leader Follower Observer
Hadoop-27 ZooKeeper集群 集群配置启动 3台云服务器 myid集群 zoo.cfg多节点配置 分布式协调框架 Leader Follower Observer
47 1
|
1月前
|
存储 数据采集 分布式计算
Hadoop-17 Flume 介绍与环境配置 实机云服务器测试 分布式日志信息收集 海量数据 实时采集引擎 Source Channel Sink 串行复制负载均衡
Hadoop-17 Flume 介绍与环境配置 实机云服务器测试 分布式日志信息收集 海量数据 实时采集引擎 Source Channel Sink 串行复制负载均衡
44 1
|
2月前
|
数据采集 分布式计算 MaxCompute
MaxCompute 分布式计算框架 MaxFrame 服务正式商业化公告
MaxCompute 分布式计算框架 MaxFrame 服务于北京时间2024年09月27日正式商业化!
88 3
|
2月前
|
负载均衡 监控 Dubbo
分布式框架-dubbo
分布式框架-dubbo

热门文章

最新文章

下一篇
无影云桌面