百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

教你快速理解HTTPS的工作原理

ztj100 2025-01-17 14:38 28 浏览 0 评论

@Java讲坛杨33


使用HTTPS有哪些优势?

  • 保护数据隐私:用户发送请求的数据信息都是加密传输的。第三方根本无法窃听。
  • 数据完整性校验:一旦第三方非法篡改数据,接收方就能知道数据已经被非法篡改了,从而保证数据的完整性。
  • 身份认证:使用HTTPS协议,必须由证书颁发机构(CA)颁发安全证书,证实服务器的身份信息,以防第三方冒充身份。

基于以上三点优势,近几年互联网迎来了HTTPS的时代,逐渐替代了我们之前一直使用的HTTP协议。

什么是HTTPS

HTTPS是在HTTP上又加了一层SSL/TLS,对数据进行加密处理,即HTTPS = HTTP + SSL/TLS。是HTTP协议的安全版。服务端和客户端的信息传输都是经过加密处理后的数据。

HTTP协议是一种明文传输的协议,所有数据在网络中是“裸奔”的,非常的不安全,容易被人篡改和窃取数据。

SSL/TLS层是结合对称加密算法和非对称加密算法的各自优势,实现的混合加解密机制。

对称加密算法:通信双方使用一样的密钥进行加解密。优势是加解密速度快,适用于对大数据量进行加解密。劣势是需要保护好密钥,如果密钥被泄露,加密的信息的很容易就被不法分子解密了。常见的对称加密算法有AES、DES。

非对称加密算法:非对称的两个密钥,私钥和公钥,私钥自己保存,不能被泄露,公钥是任何人都可以获得的密钥。用公钥或私钥中的任何一个进行加密,另一个进行解密。优势是加密的安全性更高,劣势是加解密的速度比对称加密的慢,适用于对少量数据的加解密。常见的非对称加密算法有RSA。

在交换密钥环节使用非对称加密算法,在交换报文阶段使用对称加密算法。

解释HTTPS传输数据的过程

使用HTTPS之前,首先必须在服务端配置由证书颁发机构(CA)颁发的安全证书,这个证书中包含非对称加解密的公钥和私钥。

然后整个HTTPS传输数据的步骤如下:

  • 客户端向服务端发起HTTPS请求,连接到服务端默认的443端口上。
  • 服务端收到客户端的请求后,私钥自己保存,而是将携带非对称加解密公钥的安全证书发送给客户端。
  • 客户端就需要对服务端来的证书进行检查,验证其合法性。验证包括公钥是否有效、服务器名称是否合法、证书是否过期等。
  • 证书验证合法后,客户端会生成一个随机数,作为对称加解密的密钥。然后利用证书中的公钥,将其加密,发送给服务端。
  • 服务端利用证书中的私钥,非对称解密客户端发送过来的加密信息,得到对称加解密的密钥。此时,服务端和客户端都拥有了对称加解密的密钥。
  • 然后在服务端使用这个对称加解密的密钥,对数据信息加密,发送给客户端。
  • 客户端收到服务端发送过来的加密数据,利用上面生成的对称加解密的密钥,解密数据,得到最终数据。

到此,整个HTTPS传输数据就完成了。


作者:杨33,北京互联网公司在职Java开发,专注分享写作干货。欢迎关注我,期待你的点赞评论。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: