V8 Math.random xorshift128+ 状态恢复:用 5 个连续浮点输出经 Z3 求解 128 位状态并预测后续随机数
crypto/prng · verified
一句话结论
V8 的 Math.random() 使用 xorshift128+(128 位内部状态,周期 2^128-1),不是密码学随机数;在 Chrome 控制台取 5 个连续输出(Array.from(Array(5), Math.random)),按 xorshift128+ 的状态更新式在 Z3 中建模,把每个 double 的尾数与状态位建立等式约束,求解出 state0/state1 后按同一规则计算下一个 double,即可与浏览器随后一次 Math.random() 的输出完全一致(文章实测预测 0.7449866957281785 命中)。
原理
- 伪随机的可预测性:PRNG 由种子和一个确定性的状态转移函数决定;只要恢复内部状态,之后的所有输出都可预测。V8 用 xorshift128+,状态只有两个 64 位字,输出是状态的线性/移位混合,适合用 SMT 求解。
- V8 的状态更新(文章源码节选):
c static inline void XorShift128(uint64_t* state0, uint64_t* state1) { uint64_t s1 = *state0; uint64_t s0 = *state1; *state0 = s0; s1 ^= s1 << 23; s1 ^= s1 >> 17; s1 ^= s0; s1 ^= s0 >> 26; *state1 = s1; } - double 的构造:
Math.random()返回[0,1)的 double,V8 以状态位构造[1,2)区间的尾数(指数位固定0x3FF0000000000000,尾数掩码0xFFFFFFFFFFFFF)再减 1。文章的 Z3 脚本把观测值x转成x+1的 IEEE754 uint64,取低 52 位尾数,与state0 >> 12(52 位)建立等式:python float_64 = struct.pack("d", sequence[i] + 1) u_long_long_64 = struct.unpack("<Q", float_64)[0] mantissa = u_long_long_64 & ((1 << 52) - 1) solver.add(int(mantissa) == z3.LShR(se_state0, 12))每次循环先按 xorshift128+ 推进状态、再对“本次输出”加约束;5 个输出给出 5×52 位约束,足以唯一确定 128 位状态。 - 求解与预测:
z3.BitVecs("se_state0 se_state1", 64)声明符号状态;逻辑右移必须用z3.LShR(算术右移会引入符号位错误);solver.check()==sat后取模型中的se_state0,按(state0 >> 12) | 0x3FF0000000000000还原 double 再减 1。 - 版本差异注意:不同 V8 版本/构建的
ToDouble细节可能不同(源码中可见(state0 + state1) & kMantissaMask的写法),文章脚本的state0 >> 12模型在其测试的 Chrome 上实测命中;换目标版本时应先确认该版本Math.random/ToDouble实现,必要时把约束改为对应的加法/移位组合。Node.js、Electron、Chrome 等使用 V8 的运行时同理。 - 危害:若业务用
Math.random()生成会话密钥、验证码、重置 token、nonce、抽奖结果等安全敏感值,攻击者拿到足够连续输出即可预测后续值,绕过验证或接管会话。
触发条件
- 目标运行时使用 V8 的 xorshift128+
Math.random()(Chrome/Node/Electron 等)。 - 攻击者能获得至少 5 个连续、未加工的
Math.random()原始输出(同页面 console/JS 注入、泄露的随机值、或被映射前的原始值)。 - 观测值与应用使用值来自同一 PRNG 流且顺序连续;若应用做了
Math.floor(v*16)等映射,需要先还原原始 double(可用 hook 记录原值)。 - 目标 V8 版本的输出构造与 Z3 模型一致(否则按版本调整约束)。
利用步骤
- 在目标上下文取连续输出:Chrome DevTools Console 执行
Array.from(Array(5), Math.random),记录 5 个 double。 - 将序列反转(脚本从后向前建约束),用 Z3 声明两个 64 位 BitVec 作为初始状态。
- 循环中按 V8 xorshift128+ 更新状态(注意
LShR逻辑右移),并把本次观测的 52 位尾数与state0 >> 12加为约束。 solver.check()为 sat 后取se_state0,按同一 double 构造规则算出下一个值。- 在浏览器再执行一次
Math.random()(或触发业务下一次随机调用),与预测值比对验证。 - 若命中,继续迭代预测后续值;结合业务逻辑(token/验证码/密钥)评估影响,验证后停止。
PoC
#!/usr/bin/python3
import z3, struct
sequence = [0.6199046082820001, 0.6623637813965961, 0.7190181683749095, 0.06169296721449724, 0.915799780594273]
sequence = sequence[::-1]
solver = z3.Solver()
se_state0, se_state1 = z3.BitVecs("se_state0 se_state1", 64)
for i in range(len(sequence)):
se_s1 = se_state0
se_s0 = se_state1
se_state0 = se_s0
se_s1 ^= se_s1 << 23
se_s1 ^= z3.LShR(se_s1, 17) # 逻辑右移,不能用算术右移
se_s1 ^= se_s0
se_s1 ^= z3.LShR(se_s0, 26)
se_state1 = se_s1
float_64 = struct.pack("d", sequence[i] + 1)
u_long_long_64 = struct.unpack("<Q", float_64)[0]
mantissa = u_long_long_64 & ((1 << 52) - 1)
solver.add(int(mantissa) == z3.LShR(se_state0, 12))
if solver.check() == z3.sat:
model = solver.model()
states = {d.__str__(): model[d] for d in model.decls()}
state0 = states["se_state0"].as_long()
u_long_long_64 = (state0 >> 12) | 0x3FF0000000000000
float_64 = struct.pack("<Q", u_long_long_64)
next_sequence = struct.unpack("d", float_64)[0]
print(next_sequence - 1)
输出 0.7449866957281785,与随后浏览器 Math.random() 的实际返回值一致(文章截图验证)。
变体与关联
- 变体(无原始输出、只能 hook):直接包装
Math.random记录返回值,按业务映射(如floor(v*16))还原密钥/字符(见关联卡);本卡是不依赖 hook、仅凭连续输出恢复内部状态的路径。 - 变体(其他运行时):Node/Electron 同用 V8;Firefox SpiderMonkey、Safari JSC 的 PRNG 算法不同,需替换状态转移函数;MT19937/glibc rand/LCG 有各自的恢复方法。
- 变体(输出被加工):若只拿到
floor(v*100)或十六进制字符,可把映射写进 Z3 约束做带噪声求解,或结合多次采样/其他泄露恢复状态。 - 关联:[[crypto-prng-math-random-sharekey-recovery]](hook Math.random 还原小程序 shareKey)、[[crypto-prng-mt19937-untemper-state-recovery-predict]](MT19937 状态恢复)、[[crypto-prng-filtered-lfsr-wg-anf-z3-state-recovery]](Z3 建模 PRNG 的同类手法)。
检测与防御
- 防御:任何安全敏感随机值(密钥、token、验证码、nonce、抽奖)必须使用 CSPRNG(浏览器
crypto.getRandomValues/WebCrypto,Nodecrypto.randomBytes),不要在客户端或服务端用Math.random()派生安全值。 - 防御:服务端生成并校验随机值,不要信任客户端提交的随机结果;对验证码/重置 token 加有效期、一次性使用与速率限制。
- 检测:代码审计搜索
Math.random()参与密钥/验证码/nonce/签名的模式;同一会话随机值出现可预测的分布或与时间序列相关;客户端随机值与服务端预期不一致/可重放。 - 边界:若目标使用 CSPRNG、客户端无法观测连续原始输出,或 V8 版本实现与模型不一致且未调整约束,则无法预测。