AEAD 随机数复用到底是什么：从数据流看它的边界

GCM 下同一密钥重复使用 nonce，能直接恢复明文，并且可以伪造认证标签

理解它的关键是画出三条线：入口、信任边界、危险点。

先说结论

漏洞的本质是「不可信数据到达了危险点」，防御的本质是「在中间加一道能正确判断的关卡」。

• 入口：数据从哪来，谁都能改吗
• 边界：跨边界时有没有做类型与格式判断
• 危险点：拼接、解析、执行、反序列化
• 前置条件：需要什么权限、什么配置
• 影响面：能读到什么、能改到什么

数据流：从入口到危险点

AAD 不加密但参与认证，把用户 ID 放进去能防密文被搬到另一个账号下，也能挡重放。

信任边界在哪

认证标签从 128 位截断到 32 位，伪造成本就从 2^128 降到 2^32，余量要留够。

边界两侧的数据可信度不同，所有校验都应该发生在边界上，而不是散落在业务代码里。

这个问题的几个关键事实

决定它「是理论还是现实」的几条：

• 96 位随机 nonce 在加密 2^32 次后碰撞概率约 1/2^32，仍在可接受范围，超过就该换密钥
• 解密失败必须整体拒绝，先返回明文再校验标签等于完全没有校验

影响面怎么判

评估危害时先问：需要什么身份、需要开什么配置、能不能碰到内网。三个问题的答案决定了它是「低危」还是「要连夜修」。

为什么总是修不干净

把 nonce 写成固定常量，测试通过就直接上线

解密后先交给业务处理，最后才验标签

根因通常是「同一个入口有多个解析器」，修了一个，另一个还通。

再补充几点

这几条不改变结论，但会改变你评估风险时的顺序。

• GCM 下同一密钥重复使用 nonce，能直接恢复明文，并且可以伪造认证标签
• nonce 用计数器实现时，进程重启后计数器归零是生产环境最常见的坑，计数器要持久化或改用随机
• 随机 nonce 用了弱随机源，碰撞概率远高于理论值

理解数据流，比背 payload 有用得多。