技能使用指南

wycheproof（Wycheproof加密测试技能）Skill 是什么？

Wycheproof加密测试技能帮你用标准化测试向量验证加密实现是否正确处理已知攻击与边缘情况，覆盖AES-GCM、ECDSA、ECDH、RSA等算法，提供从选取向量、解析JSON、编写pytest/mocha用例到CI集成的四阶段工作流，并可一键装进AI助手提升安全测试效率。

Wycheproof加密测试技能Skillwycheproof
11 个章节 约 16 分钟阅读 AI 智能生成

Wycheproof加密测试技能：用标准化测试向量守住加密实现的每一处边缘

核心结论速览

  • 它是什么：Wycheproof加密测试技能（英文名 wycheproof，技能ID 13536）是一个围绕 Wycheproof 测试向量集合的领域技能，核心用途是验证加密实现是否正确处理已知攻击与边缘情况。
  • 它解决什么：加密代码「跑得通」不等于「安全」，签名可塑性、非法 DER 编码、无效曲线点、填充预言等问题往往藏在边缘输入里，靠常规用例根本测不出来。
  • 怎么用：把技能装进 AI 助手，让它按「选取测试向量 → 解析 JSON → 编写测试套件 → 接入 CI」四阶段工作流帮你落地；项目侧再通过 git 子模块或脚本拉取真实测试向量。
  • 它能带来什么：Wycheproof 曾在 OpenJDK 的 SHA1withDSA、Bouncy Castle 的 ECDHC 以及 elliptic npm 包等主流库中暴露过真实漏洞，是密码学库最「物美价廉」的一道防线。
  • 适合谁：密码学库/协议实现维护者、安全审计人员、需要做合规测试的研发团队，以及任何在 CI 中托管加密代码的工程组织。

1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？

基本信息

项目 内容
技能中文名 Wycheproof加密测试技能Skill
技能英文名 wycheproof
技能ID 13536
技能类型 领域技能（domain skill）
核心内容 Wycheproof 测试向量的使用知识、测试工作流、算法覆盖清单与常见漏洞模式

它解决什么问题

密码学实现是「 notoriously 难以写对」的典型场景（这里原文语境指异常困难）。一个看起来无害的编码宽松、长度校验缺失，就可能带来私钥泄露、签名伪造、消息被解密，或者更隐蔽的共识问题——不同实现接受了同一份输入的「不同写法」，链上或跨端结果就对不上了。

Wycheproof加密测试技能要做的，就是把 Google 发起、现由社区维护的 Wycheproof 测试向量集合，变成 AI 助手可以帮你直接落地的工程动作：挑哪份测试向量、怎么解析、怎么把有效/无效/可接受三类结果都测到位、怎么挂进 CI。

一键安装的思路与步骤

说明：技能市场中具体的安装命令、入口路径与权限要求以官方说明为准；下列步骤为通用流程。

第一步：确认安装前提

  • 你使用的 AI 编程助手/客户端支持「技能（Skill）」机制，并已登录可用的账号；
  • 本地已有可运行的目标加密项目与测试框架（Python 侧常用 pytest，JavaScript 侧常用 mocha）；
  • 项目具备拉取外部依赖的能力（能访问 GitHub 或内网镜像）。

第二步：通过技能ID或英文名检索

在技能市场的搜索框中输入技能ID 13536，或直接搜索英文名 wycheproof，在结果中确认描述为「提供用于验证加密实现的测试向量」的条目，点击安装/添加到当前工作区。

第三步：启用并验证是否生效

  • 查看技能列表，确认 wycheproof 已处于「已启用」状态；
  • 向 AI 助手提一个只有该技能才能答好的问题，例如：「我的项目要测 AES-GCM，应该用哪个测试向量文件？大概多少个测试向量？」——正常回答应提到 aes_gcm_test.json、44 个测试组、316 个测试向量；
  • 再让它给出 ECDH 的测试建议，若回答指向 ecdh_*_test.json 并提到无效曲线攻击，说明技能已加载生效。

第四步：完成项目侧真实接入（技能会指导你做的部分）

推荐以 git 子模块方式引入，便于随社区更新自动获取新向量：

git submodule add https://github.com/C2SP/wycheproof.git

若不方便使用子模块，也可以只下载需要的 JSON 文件，脚本思路为：设定临时目录 → 定义所需测试向量文件名列表 → 用 curl 从 testvectors_v1/ 目录逐个拉取 → 校验下载是否成功。技能中给出的参考脚本正是这一模式，并把基准地址指向 testvectors_v1（更详细、推荐新集成使用）。

2. 该技能的主要功能和特点

（1）覆盖主流算法的测试向量导航

技能内置了算法与文件的对应关系，让你不必翻仓库就能定位正确的 JSON：

类别 覆盖算法
对称加密 AES-GCM、AES-EAX、ChaCha20-Poly1305
签名 ECDSA、EdDSA、RSA-PSS、RSA-PKCS1
密钥交换 ECDH、X25519、X448
哈希/派生 HMAC、HKDF
曲线 secp256k1、secp256r1、secp384r1、secp521r1、ed25519、ed448

（2）三种结果语义的完整测试观

每条测试向量都带有 result 字段：有效（应成功）、可接受（允许成功但不理想）、无效（应失败）。技能特别强调「只测有效用例」是典型错误——恰恰是「接受非法输入」才最容易埋漏洞。

（3）按测试组精准过滤

测试组按密钥长度、IV 长度、公钥、曲线等共享属性分组。技能给出的做法是按实现约束过滤（例如跳过 IV 长度不在 64~1024 位之间的组），避免在不支持的参数上浪费时间。

（4）从解析到 CI 的四阶段工作流

设置 → 解析测试向量 → 编写测试套件 → CI 集成自动更新，形成闭环，而不是「测一次就结束」。

（5）自带漏洞模式知识库

技能把常见漏洞模式、受影响算法与标志位含义整理成表，包括签名可塑性、非法 DER 编码、无效曲线攻击、填充预言、标签伪造，并附诊断思路（例如 EdDSA 签名必须恰好为 64 字节 / 128 个十六进制字符）。

（6）真实案例可复用的方法论

以 elliptic npm 包（3000+ 依赖、每周数百万次下载）为例，完整演示「定位曲线 → 找测试向量 → 解析 → 参数化测试 → 运行 → 分析根因 → 提修复」，对应 CVE-2024-42459/42460/42461。

和普通工具比强在哪：普通单元测试靠开发者「想得到的输入」，Wycheproof 靠社区长期积累的「攻击者想得到的输入」，且带语义标注与注释（comment、flags、notes），失败时报错能直接告诉你是哪类攻击模式。

3. 如何使用该技能？

步骤 1：告诉 AI 助手你的技术栈与目标算法

输入示例：「我在用 Python 的 cryptography 库实现 AES-GCM 加解密，想用 Wycheproof 做一次完整测试，请给出文件选择、解析和 pytest 用例。」

步骤 2：获取测试向量并解析

技能会建议加载 testvectors_v1/aes_gcm_test.json，并把十六进制字段（key、aad、iv、msg、ct、tag）转成字节，同时按 ivSize 过滤不支持的测试组。

步骤 3：编写双向测试（加密 + 解密都要测）

import pytest
from cryptography.hazmat.primitives.ciphers.aead import AESGCM

tvs = load_wycheproof_test_vectors("wycheproof/testvectors_v1/aes_gcm_test.json")

@pytest.mark.parametrize("tv", tvs, ids=[str(tv["tcId"]) for tv in tvs])
def test_encryption(tv):
    try:
        aesgcm = AESGCM(tv["key"])
        ct = aesgcm.encrypt(tv["iv"], tv["msg"], tv["aad"])
    except ValueError:
        assert tv["result"] != "valid", tv["comment"]
        return
    if tv["result"] == "valid":
        assert ct[:-16] == tv["ct"], f"Ciphertext mismatch: {tv['comment']}"
        assert ct[-16:] == tv["tag"], f"Tag mismatch: {tv['comment']}"
    else:
        assert ct[:-16] != tv["ct"] or ct[-16:] != tv["tag"]

输出解读：断言失败会带上 tcId 与 comment，例如「ModifiedTag」标志意味着实现接受了被篡改的认证标签——这正是标签伪造漏洞的信号。

步骤 4：用标志位诊断问题

按技能提示查阅 notes 字段，确认该标志对应哪类攻击模式，再回到实现代码定位。例如签名长度校验缺失，修复方式往往就是加一行长度判断。

步骤 5：接入 CI

在流水线中先更新子模块或运行获取脚本，再执行测试；建议设置每周或每月计划更新，以捕获社区新增的测试向量。

步骤 6：让助手做结果复盘

把失败用例与修复 diff 交给助手，请它判断是否还有其他「可接受」用例被误判为通过。技能明确提醒：可接受结果应视为值得调查的警告。

4. 同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
Wycheproof加密测试技能（wycheproof） 已知攻击与边缘情况的向量测试 覆盖 AES-GCM、ECDSA、ECDH、RSA、EdDSA 等海量标注向量，四阶段工作流，漏洞模式知识库 低：技能一键启用；项目侧加子模块或下载 JSON 即可 加密实现正确性验证、CI 回归、第三方库审计 优势：语义清晰、社区维护、案例丰富；不足：只覆盖已确立算法，发现不了全新类型的未知缺陷
Cryptofuzz（模糊测试） 随机化差分模糊测试 自动生成畸形输入，跨库比对行为差异 中高：需搭建构建与语料环境 探索未知崩溃与解析器缺陷 优势：能发现向量库覆盖不到的新问题；不足：结果噪声大、需人工研判，缺少「应通过/应失败」的明确语义
NIST CAVP 等标准符合性测试向量 标准符合性验证 针对算法规范的官方向量 中：需按规范逐项对接 合规认证、算法标准符合性声明 优势：权威、可用于合规材料；不足：边缘与攻击场景覆盖弱于 Wycheproof
自研随机/属性测试（如往返加解密） 通用属性验证 验证「加密再解密还原」等数学属性 低：几行代码即可 快速冒烟测试、开发期自测 优势：上手最快；不足：几乎不覆盖攻击输入，容易漏掉可塑性与编码类漏洞
恒定时间测试工具（如 dudect 类） 时序侧信道检测 统计方法判断执行时间是否泄漏 中高：需构造测量环境 防护侧信道攻击 优势：补上时间维度；不足：与功能性向量测试是互补关系，需与 Wycheproof 组合使用

选型建议：功能性正确性以 Wycheproof 为主干，模糊测试找出未知面，恒定时间工具补齐侧信道，三者互补而非替代。

5. 该技能的典型应用场景与实际体验情况

场景一：自研密码库维护者做发布前自检

角色：某协议实现的库作者。痛点是「自测全绿但用户报签名无法互认」。使用方式：按技能建议对 ECDSA/EdDSA 跑 ecdsa_*_test.json、ed25519_test.json，重点看签名长度与 DER 编码相关用例。实际体验：上手难度低，技能直接给出文件与测试骨架；效果上最容易命中「同一消息多个有效签名」的可塑性问题；注意点是必须同时测签名与验签两个方向。

场景二：安全团队审计第三方加密依赖

角色：安全审计工程师。痛点是第三方库文档漂亮、实现细节不可见。使用方式：让助手以 elliptic 案例为模板，定位库支持的曲线 → 找到对应测试向量 → 编写参数化用例 → 运行定位失败点。实际体验：案例给出了完整根因分析与修复代码（如签名长度必须为 128 个十六进制字符），复用性很强；注意事项是部分失败属「可接受」范畴，需要结合 flags 判断是否必须修。

场景三：CI 中建立长期回归防线

角色：后端平台团队。痛点是加密相关改动回归成本高。使用方式：把子模块更新与测试执行串进流水线，并设置定期更新计划。实际体验：一次投入、长期受益，新向量加入后自动生效；注意点是子模块更新可能带来新的失败用例，需要预留处置流程，避免误判为「CI 不稳定」。

场景四：跨实现一致性排查

角色：多端协同（服务端 + 客户端 + 链上合约）研发。痛点是同类输入在不同实现上接受度不同，导致共识分歧。使用方式：用同一批向量测试多个实现，比对「接受/拒绝」差异。实际体验：这是 Wycheproof 最被低估的价值点，能提前暴露互操作风险；注意点是需要统一过滤规则，否则参数差异会掩盖真实分歧。

6. 该技能能为用户带来的价值

  • 效率提升：测试向量的选取、JSON 解析、参数化用例生成从「读文档数小时」缩短到「对话几分钟」，测试套件一次编写、长期复用。
  • 门槛降低：不必是密码学专家，也能按图索骥覆盖签名可塑性、非法 DER、无效曲线点、填充预言、标签伪造等高频攻击面。
  • 风险前移：把「上线后被审计发现问题」变成「CI 阶段拦住」，而 Wycheproof 已在 OpenJDK、Bouncy Castle、elliptic 等知名项目中发现真实漏洞，证明其命中率。
  • 可量化收益：以 elliptic 案例为参照，一次系统性向量测试即产出 3 个 CVE 级别的修复点，对一个被 3000+ 依赖引用的库而言，避免的是整条供应链的风险扩散。
  • 长期价值：社区持续贡献新向量，配合子模块与计划更新机制，测试资产随生态演进而增值，而非一次性消耗。

7. 常见问题 FAQ

Q1：Wycheproof加密测试技能怎么安装？需要付费吗？

在支持技能机制的 AI 助手中，用技能ID 13536 或英文名 wycheproof 检索并启用即可；具体入口、账号权限与是否收费以官方说明为准。技能本身是知识型领域技能，测试向量来自开源仓库，实际成本主要是接入与运行测试的工程时间。

Q2：它和普通单元测试有什么本质区别？

普通测试验证「我以为的输入能算对」，Wycheproof 验证「攻击者构造的输入会不会被错误接受」。它带有 result 三态语义（有效/可接受/无效）与 flags 攻击模式标注，失败信息能直接指向问题类别，这是普通用例不具备的。

Q3：我的算法是自研的，能用吗？

不太适用。技能明确指出 Wycheproof 只覆盖已确立的算法（AES-GCM、ECDSA、ECDH、RSA、EdDSA、HKDF 等）。自研或实验性算法应改用模糊测试类方案；若你在标准算法上做了封装，则可测封装层的调用与错误处理逻辑。

Q4：测试跑出一堆失败，都要修吗？

分三档处理：invalid 却通过的必须修（安全缺陷）；valid 却失败的必须修（功能错误）；acceptable 视为警告，需结合 flags 与 notes 判断，例如不理想的编码属性是否会影响与其他实现的互操作。

Q5：和恒定时间测试、模糊测试怎么选？

不是二选一。推荐组合：Wycheproof 负责已知攻击面与功能正确性，模糊测试负责发现未知缺陷，恒定时间测试负责时序侧信道；技能文档中也把这几类工具列为互补的相关技能。