第一周预习报告

密码系统设计

第一周预习报告

学习内容

• 《Windows C/C++加密解密实战》第 1，2 章
  • 第一章概念复习
  • 第二章主要在 Linux（Ubuntu,openEuler）上把软件更新到最新版(3.0版本以上)

AI 对学习内容的总结（1分）

要求

• 让AI（kimi，元宝等）阅读学习内容并进行总结，教材内容可以使用微信读书或者云班课电子教材

总结

• 第一章《密码学概述》：
  • 1.定义与范畴：密码学是研究信息系统安全保密的科学，核心由密码编码学（设计加密算法保障信息安全）和密码分析学（研究破译密文的技术）两部分构成。
  • 2.历史演变：起源于古代军事与机要通信，长期具有神秘色彩；随着计算机与互联网的发展，已从军事专用领域扩展至电子商务、电子政务等民用场景，成为保障个人隐私和数据安全的基石。
  • 3.核心目标：现代密码学旨在实现信息安全的五大核心属性：机密性、完整性、认证性、不可否认性和可用性。
  • 4.基本模型：经典的密码系统包含五个基本要素：明文、密文、加密算法、解密算法和密钥。其中，密钥的安全性是整个系统安全的关键。
  • 5.学习意义：本章为后续章节在Windows平台使用C/C++进行具体加密算法（如AES、RSA、SHA-256等）的编程实现与实战应用奠定理论基础。
• 第二章《Windows C/C++加密解密实战》：
  • 核心工具库介绍：系统讲解了进行C/C++密码开发所依赖的三大主流密码库：
    • OpenSSL：国际通用的开源密码库，支持广泛的对称、非对称加密算法和信息摘要算法。
    • Crypto++：一个纯C++编写的开源密码库，以其易用性和丰富的算法实现著称。
    • GmSSL：国产开源密码库，重点支持中国国家密码管理局发布的国密算法（如SM2、SM3、SM4）。
  • 环境搭建与编译：详细指导了在不同操作系统（Windows和Linux）下，如何下载、编译并安装上述密码库（特别是OpenSSL和GmSSL），为后续的开发实践提供基础运行环境。
  • 关键接口与概念：介绍了OpenSSL库中的核心接口，如EVP（提供高级、统一的加密操作接口）和BIO（提供I/O抽象层），以及如何利用这些接口进行基础的加解密操作。
  • 实践准备：通过编译和测试密码库，确保开发环境配置正确，为本书后续章节使用这些库进行具体的加解密、数字签名、SSL/TLS等编程实战做好充分准备。

对 AI 总结的反思与补充（2分）

• AI总结的问题
  • 第一章：缺乏对加解密算法最基础的两种分类的涵盖与解释，此分类是密码学的基石，直接决定了密钥管理、性能、应用场景（如加密通信 vs. 数字签名）等核心问题。省略此点会导致对后续章节中算法的归类和选择逻辑缺乏根本性理解。
  • 第二章：介绍OpenSSL、Crypto++和 GmSSL时，可以增加关于它们在实际应用中的例子或场景，以帮助学习者更好地理解其用途。提及GmSSL时，可以简要说明其与OpenSSL的关系以及为什么需要GmSSL。
• 自己的补充：
  • 第一章：通常可以把加解密算法分为对称算法和非对称算法，其中对称算法加解密密钥相同，运算速度快、吞吐率高、密钥长度相对较短，但存在密钥量大难以管理的问题；公钥算法，即非对称算法具有公开密钥和不同的私有密钥，可以解决对称加密体系的缺陷，但运算速度较慢，密钥长度相对较长。
  • 第二章：OpenSSL广泛应用于Web服务器的SSL/TLS实现，用于保护网站和用户之间的通信。Crypto++则常用于需要高度定制加密功能的应用程序，如文件加密工具或安全通信协议。GmSSL是针对中国商用密码算法标准设计的密码库，它与OpenSSL兼容，使得开发者可以在需要符合中国密码法规的环境下使用OpenSSL的功能。

学习思维导图（2分）

• 代码：

mindmap
root((mindmap))
第一章：密码学概述
定义与范畴
历史演变
核心目标：保护五大核心属性
加解密算法分类：对称、非对称
基本模型（五元组）：明文、密文、加密算法、解密算法、密钥
第二章：
核心工具库介绍：OpenSSL、Crypto++、GmSSL
环境搭建与编译
关键接口与概念
实践准备

• 思维导图：
  

基于 AI 的学习（2分）

1.

2.

学习实践过程遇到的问题与解决方式（AI 驱动，优先使用AI工具解决问题）（2分）

至少两个

• 问题 1，在重新安装虚拟机时，之前的virtualbox因为时隔两年版本不兼容而无法安装虚拟电脑
  • 解决方法：将报错信息翻译出来询问AI，得知原因后，卸载老版本virtualbox，下载操作更为便捷简单的新版VMvare Workstation后，设置虚拟内存，导入镜像文件，最终下载并成功运行了新版Ubuntu。
• 问题 2，教材内总结问题，面对电子版教材图片和字数过多的挑战，AI助手在尝试进行内容总结时遇到了识别障碍。为了克服这一难题，我通过详细书名、作者、出版年份、章节名称信息帮助AI锁定了书目及详细内容。经过这些调整，AI助手现在能够高效准确地识别出教材内容，并成功不断总结，高效完成总结和巩固任务。