← COMP5565 全部讲次
L03b-2 · 第 3 周

L03b-2 BIP39 助记词:把一个随机数写成 12 个英文单词

从二进制和 11 位编号讲起,一步步算熵、校验和、切段查词表;再看 12 个单词怎么经过 PBKDF2 变回 512 位种子,以及口令为什么会换掉整个钱包。

一句话版

种子是一个几百位的随机数,人抄不下来也记不住。BIP39 把它的「原料」——一段 128 到 256 位的随机比特——每 11 位切一段,每段查一个英文单词,得到 12 到 24 个词。要用的时候,再把这些词送进一道慢速哈希,算回 512 位的种子。

前置是上一页 L03b 的 HD 钱包树:种子就是那棵树的根。

先认识这几个词

词 全称 / 读法 一句人话
助记词 mnemonic code words 12 到 24 个英文单词,能还原整个钱包
熵 entropy,ENT 生成助记词用的那段随机比特
校验和 checksum,CS 从熵算出来的几位,用来发现抄错的单词
词表 wordlist BIP39 规定的 2048 个英文单词,按顺序编号
PBKDF2 Password-Based Key Derivation Function 2 故意算得很慢的哈希,让暴力猜测变难
passphrase 口令 可选的额外密码,会改变算出来的种子

一个类比:用字典页码传暗号

两个人约好用同一本字典传消息。你想发一串数字,就把每个数字换成字典里那一页的第一个词,对方拿到词再翻回页码。

BIP39 的词表就是这本字典,一共 2048 个词,编号从 0 开始。一段随机比特切成若干个编号,每个编号换成一个词。抄写单词比抄写一长串 0 和 1 不容易出错。

为了防止抄错,你还在消息末尾多加几位「校验码」,是从前面的内容算出来的。对方翻译回来后重算一遍,对不上就知道抄错了。

类比在哪里失效:

  • 暗号翻回页码就结束了。助记词翻回比特之后,还要再过一道 PBKDF2,算出来的种子才是钱包真正用的东西。
  • 暗号谁拿到字典都能解。助记词还可以加一个口令,同样的词配不同口令,得到的是完全不同的钱包。

从零讲起

1. 二进制和 11 位编号(补充)

它解决什么问题

整个 BIP39 都在做位运算:多少位熵、多少位校验和、每 11 位一段。不熟二进制,下面的数字就只能死记。这一节只补一件事:n 位二进制能表示多少个不同的数。

直觉

一位二进制只有 0 和 1 两种。两位有 00、01、10、11 四种。每多一位,可能的组合就翻一倍。

所以 11 位二进制一共能表示 2048 个不同的数,从全 0 到全 1。BIP39 的词表正好 2048 个单词,一个 11 位的段对应一个单词,不多不少。

一步一步看

目标:对照词表开头几行,看一个 11 位二进制数怎样换成编号,再查出对应的单词。

看课件词表开头几行:

  1. 00000000000 是 0,对应第一个词 abandon。

  2. 00000000001 是 1,对应 ability。

  3. 00000000010 是 2,对应 able。

  4. 00000011011 是 27,对应 address。

  5. 下一节会用到的 00001100000 是 96,对应 army。

    BIP39 词表的开头几行:11 位二进制 00000000000 即 0 对应 abandon,1 对应 ability,2 对应 able,27 对应 address,往下 00001100000 即 96 对应 army,这一行描成青绿。底部注明 2 的 11 次方等于 2048,词表正好 2048 个单词

怎么算

2¹¹ = 2048

意思是:11 位二进制有 2048 种取值,每个取值对应词表里的一个单词。反过来,每个单词携带 11 位信息。

常见误解

以为每个单词对应一个字母或一个十进制数字

每个单词对应 11 位二进制,也就是词表里的一个编号。12 个单词一共携带 132 位。

以为单词的编号从 1 开始

从 0 开始。全 0 的 11 位是 abandon,它的编号是 0。

试一下

3 位二进制能表示多少个不同的数?

2 × 2 × 2 = 8 个,从 000 到 111。

11 位二进制 00000000011 对应十进制几?

最后两位是 1,就是 2 + 1 = 3。

2. 从熵到单词:六步

它解决什么问题

钱包第一次创建时要给你一串单词抄下来。这一串词是怎么来的、为什么是 12 个或 24 个,课件给了六步。考试常让你算某一档熵对应几个单词。

从哪来(补充)

BIP39 的作者是 Marek Palatinus、Pavol Rusnak、Aaron Voisine、Sean Bowe,2013-09-10 分配编号。规范里的词表还有一个设计:只输入前四个字母,就能唯一确定一个单词。

出处:BIP39: Mnemonic code for generating deterministic keys

直觉

六步是:生成一段随机熵;对它做 SHA256,取哈希的前几位当校验和;把校验和接在熵的末尾;切成每段 11 位;每段查词表;得到 12 到 24 个单词。

课件只说校验和取 “first few bits”。精确规则是:校验和位数等于熵的位数除以 32。

校验和的作用是输错单词时钱包能报错:随便改一个词,重算的校验和大概率对不上。它只提供纠错,不提供安全性。

一步一步看

目标:拿课件的 128 位熵走一遍,看校验和怎样补到 132 位,再切成 12 段查出 12 个单词。

用课件的 128 位例子走一遍:

  1. 生成 128 位随机比特,这就是熵 ENT。课件例子的熵是 0c1e24e5917779d297e14d45f14e1a1a。

    第 1 步:一条长条表示熵 ENT,共 128 位随机比特,描成青绿

  2. 对熵做 SHA256,取前 128 / 32 = 4 位,接在末尾,总长 132 位。

    第 2 步:128 位熵后面接上 SHA256 哈希的前 4 位作为校验和,接上去的 4 位描成青绿,合计 132 位。旁边注明校验和位数 CS 等于 128 除以 32 等于 4

  3. 132 位切成 132 / 11 = 12 段,每段查词表。第 1 段 00001100000 = 96,查出 army。

    第 3 步:132 位切成 12 段,每段 11 位;第 1 段 00001100000 等于 96,对应 army,描成青绿。12 个单词依次是 army van defense carry jealous true garbage claim echo media make crunch

  4. 12 段全部查完,得到 army van defense carry jealous true garbage claim echo media make crunch。

怎么算

CS = ENT / 32,单词数 = (ENT + CS) / 11

意思是:先用熵的位数除以 32 得到校验和位数,两者相加是总位数,再除以 11 就是单词数。五档全列出来:

熵 ENT 校验和 CS 总位数 单词数
128 4 132 12
160 5 165 15
192 6 198 18
224 7 231 21
256 8 264 24

常见误解

以为 12 个单词就是 132 位熵

132 是熵加校验和的总位数。12 个词对应的熵是 128 位,另外 4 位是校验和。把 132 当熵长是这类题的主要失分点。

以为校验和让助记词更安全

校验和是从熵算出来的,不增加任何随机性。它只用来发现抄错或输错的单词。

试一下

224 位熵对应几个单词?

CS = 224 / 32 = 7,总长 224 + 7 = 231,231 / 11 = 21 个单词。

把助记词的第 5 个词随手换成别的词,钱包大概率会怎样?

重算校验和对不上,钱包报错,提示助记词无效。

3. 从单词到种子:PBKDF2 和口令

它解决什么问题

单词只是熵的另一种写法,最多 256 位。HD 钱包要的种子是 512 位。课件接着给出第 7 到第 9 步,把单词变成种子,同时让暴力猜助记词变得很慢。

直觉

三步:

  • 输入:上一节得到的那串单词。
  • 盐:字符串 “mnemonic” 加上可选的 passphrase。
  • 密钥拉伸:PBKDF2,用 HMAC-SHA512,跑 2048 轮,输出 512 位种子。

跑 2048 轮的目的是让攻击者每猜一组助记词都要算 2048 次 HMAC。这个 2048 和词表的 2048 个单词是两个不相干的数。

passphrase 是可选的额外口令,可以是任意字符串。它进了盐,所以同样的单词配不同口令,算出来是不同的种子、不同的钱包。「第 25 个词」只是俗称。

一步一步看

目标:把 12 个单词加盐送进 PBKDF2 跑 2048 轮,看单词怎样变成 HD 钱包要的 512 位种子。

  1. 取 12 个单词 army van … crunch。

  2. 盐是 “mnemonic” 加口令,本例没有口令,盐就是 “mnemonic”。

  3. 送进 PBKDF2-HMAC-SHA512,跑 2048 轮。

    单词到种子的流程:12 个单词,加上盐 mnemonic 和口令,口令一格描成青绿,送进 PBKDF2 HMAC-SHA512 跑 2048 轮,输出 512 位种子

  4. 输出 512 位种子,以 5b56c417 开头,就是上一页那棵 HD 树的根。

整条流水线连起来:

助记词从随机熵到种子的生成流水线:先取 256 位随机熵,末尾补上 SHA256 的前 8 位当校验和,合计 264 位;再按每 11 位切成 24 段,每段是一个词表编号,示例段 00001100000 等于 96,对应 2048 词表里的 army;最后把 24 个单词过 PBKDF2-HMAC-SHA512,本例无额外口令,盐是 mnemonic,跑 2048 轮,得到 512 位种子

怎么判断

两个人拿着同一组单词,判断他们会不会得到同一个钱包,依次看三样:

  1. 口令一样吗?不一样,种子就不一样,后面不用看了。
  2. 用的派生路径一样吗?不一样,种子相同也会算出不同的地址。
  3. 两样都一样:同样的种子在任何兼容钱包里生成同样的树,地址和余额都一样。

常见误解

以为助记词就是种子

助记词编码的是 128 到 256 位的熵,种子是 512 位,中间隔着 PBKDF2。助记词能「算出」种子,两者不是同一个东西。

以为 passphrase 必须是词表里的一个单词

它可以是任意字符串,不限一个词,也不限词表。叫它「第 25 个词」只是俗称。

试一下

同一组助记词,一次不加口令,一次加口令 hello,得到的种子一样吗?

不一样。盐分别是 “mnemonic” 和 “mnemonichello”,PBKDF2 的输出完全不同,是两个钱包。

为什么 PBKDF2 要跑 2048 轮,而不是一轮就完?

一轮太快,攻击者可以飞快地试大量助记词。跑 2048 轮让每次尝试都慢 2048 倍。

把它们串起来

起点是一件小事:11 位二进制正好有 2048 种取值,对应词表里的 2048 个单词。

从熵到单词的六步就建在这上面。熵长 ENT,校验和取 ENT / 32 位接在末尾,总长切成 11 位一段,每段查一个词。128 位熵得到 12 个词,256 位得到 24 个。

单词还不是种子。它们和盐 “mnemonic” 加口令一起,过 2048 轮 PBKDF2-HMAC-SHA512,才得到 512 位种子,接进上一页的 HD 树。

所以口令一变,整个钱包都变。忘了口令,单词抄得再准也恢复不了。

课件里的坑

  • [补充公式] p.51 只说校验和取 “first few bits”,精确规则是 CS = ENT / 32,考试按这个公式算。
  • [条件补全] p.53 的 24 词示例使用 passphrase=TREZOR 时,完整种子与课件的 3972e432… 一致;空口令才得到 3269bce2…。课件未注明口令,不能判成种子算错。BIP39 规范规定盐为 mnemonic + passphrase。公开示例绝不可用于存放真实资产。
  • [两个 2048] p.49 的 2048 个单词和 p.52 的 2048 轮是两个不相干的数,别混在一起解释。
  • [规范细节] BIP39 规范要求口令和助记词按 NFKD 规范化。用非英文字符做口令时,不同实现如果规范化不一致,会得到不同的种子。

课后 10 分钟:考点复习

这 10 分钟怎么用:合上页面,先默写五档表的第一行和最后一行;再拿 160 位熵从头算到单词数;然后把单词到种子的三个输入写出来;最后回查两个最容易错的地方:12 个词的熵是 128 位不是 132 位,助记词不是种子。

必背

  1. 助记词是代表一个随机数的英文单词序列,这个随机数用作 HD 钱包的种子;钱包首次创建时显示 12 到 24 个单词,由 BIP39 定义
  2. 每个单词对应一个 11 位二进制数,词表一共 2048 个单词
  3. BIP39:128–256 位熵 → SHA256 取前 ENT/32 位作校验和接在末尾 → 切成 11 位一段 → 查 2048 词表;助记词经 PBKDF2-HMAC-SHA512、salt “mnemonic” + passphrase(默认空串)、2048 轮得到 512 位种子
  4. 五档:128 位熵 → 4 位校验和 → 132 位 → 12 词;160 → 15 词;192 → 18 词;224 → 21 词;256 → 8 位校验和 → 264 位 → 24 词
  5. 助记词不等于种子:助记词编码 128–256 位熵,种子是 512 位,中间隔着 PBKDF2;校验和只用于发现输错,不提供安全性
  6. passphrase 进 salt,不同口令派生不同种子、不同钱包;忘了口令就恢复不了

课件例题

例 1(课件 p.51):从熵到助记词的六步

见下方完整例题。

例 2(课件 p.52):从助记词到种子

题面:p.51 得到的 12 个词是 army van defense carry jealous true garbage claim echo media make crunch。按 p.52 的第 7–9 步,写出把它变成种子的过程,输出多少位?

提示

三步分别是输入、盐、密钥拉伸。想想盐由哪两部分组成,PBKDF2 用的是哪种 HMAC、跑几轮。

解答
  1. 第 7 步:输入就是这 12 个词。
  2. 第 8 步:salt = 字符串 “mnemonic” 加可选 passphrase,本例没有口令。
  3. 第 9 步:PBKDF2,用 HMAC-SHA512,跑 2048 轮,输出 512 位种子。课件给出的种子以 5b56c417… 开头,按这些条件复算逐字符一致。
  4. 助记词能「算出」种子,两者不是同一个东西;换一个 passphrase,就是另一颗种子、另一个钱包。

例 3(课件 p.53):24 词的完整例子

题面:256 位熵 2041546864449caff939d32d574753fe684d3c947c3346713dd8423e74abcf8c 对应 24 个词 cake apple borrow … oblige,课件给出的种子以 3972e432 开头。(1) 验证 24 这个词数;(2) 有人用空口令复算得到 3269bce2…,判断课件算错了吗?

提示

(1) 套 CS = ENT / 32,再除以 11。(2) 想想 PBKDF2 的盐里除了 “mnemonic” 还有什么,课件有没有写。

解答
  1. (1) 校验和 256 / 32 = 8 位,总长 256 + 8 = 264 = 24 × 11,正好 24 个词。
  2. (2) 没算错,是条件没写全。用 passphrase=TREZOR,salt 变成 mnemonicTREZOR,复算的完整种子与课件一致;空口令得到的是另一颗种子。
  3. 结论:读助记词示例必须核对口令条件。公开示例的助记词绝不能用来存真实资产。

完整例题

题面(课件 p.51):用 256 位熵生成助记词,问会得到几个单词?再用 192 位 算一遍,并说明为什么总位数总能被 11 整除。

约定:ENT 表示熵的位数,CS 表示校验和位数。

解法:

  1. 熵长度 ENT = 256 位。
  2. 对这 256 位做一次 SHA256,取哈希的前几位当校验和。位数规则是 CS = ENT / 32,代入得 256 / 32 = 8 位。
  3. 把 8 位校验和接在 256 位熵的末尾,总长 256 + 8 = 264 位。
  4. 按每段 11 位切开:264 / 11 = 24 段,正好整除。
  5. 每段 11 位是一个 0 到 2047 的索引,去 2048 词的词表里查词。课件的示例段 00001100000 = 96,查出来是 army。
  6. 所以 256 位熵对应 24 个单词,与课件表格一致。
  7. 换 192 位再走一遍:CS = 192 / 32 = 6,总长 192 + 6 = 198,198 / 11 = 18 个单词。
  8. 为什么总能整除:总位数 = ENT + ENT/32 = ENT × 33/32。只要 ENT 是 32 的倍数,ENT/32 是整数,总位数就是 33 的倍数;而 33 = 3 × 11,所以一定能被 11 整除。128 / 160 / 192 / 224 / 256 五档分别对应 12 / 15 / 18 / 21 / 24 个词。
  9. 最后一步是单词到种子,和上面这套位运算无关:PBKDF2-HMAC-SHA512,salt "mnemonic" 加可选 passphrase,2048 轮,输出 512 位(p.52)。

要点:先算 CS,再加总,再除 11,三步不能跳。整除性来自 33 = 3 × 11。

答题格式:每一档写成「ENT → CS → 总位数 → 单词数」一行,最后一句说明整除原因。

变式题(先自己做)

(1) 改编自课件 p.51:160 位熵会得到几个单词? (2) 改编自课件 p.51:反过来,看到一串 12 个单词的助记词,原始熵是多少位、校验和几位? (3) 改编自课件 p.52:两个人抄了同一组 12 个单词,一个没设口令,一个设了口令。他们在同一个钱包软件里恢复,看到的地址一样吗?

提示

(2) 别急着套 ENT/32。先把 12 个词换算成总位数,那个数是熵和校验和加起来的结果。(3) 想想口令进了哪一步。

判分点与答案(非官方评分标准)

判分点:① (1) 正向三步不能跳,先算 CS,再加总,再除 11;② (2) 必须先写 12 × 11 = 132 是总位数,把 132 直接当熵长是主要失分点,反推完要回代验一次;③ (3) 指出口令进盐、种子不同。

(1) CS = 160 / 32 = 5 位,总长 160 + 5 = 165 位,165 / 11 = 15 个单词,与课件表格一致。

(2) 总位数 = 12 × 11 = 132。设熵为 ENT,则 ENT + ENT/32 = 132,即 ENT × 33/32 = 132,解得 ENT = 132 × 32 / 33 = 128 位,校验和 CS = 128 / 32 = 4 位。回代验算:128 + 4 = 132 = 12 × 11。

(3) 不一样。口令进了 PBKDF2 的盐,两人的种子不同,整棵 HD 树和所有地址都不同。

闪卡自测

1. 每个助记词单词对应几位二进制?词表有多少个词?

11 位,2¹¹ = 2048 个词(p.49)。

2. 校验和位数怎么算?128 位熵对应几个单词?

CS = ENT / 32。128 位熵的校验和是 4 位,总长 132 位,切成 12 个单词(p.51)。

3. 单词变种子用什么函数?盐是什么?跑几轮?输出几位?

PBKDF2-HMAC-SHA512,盐是 “mnemonic” 加可选 passphrase,2048 轮,输出 512 位(p.52)。

4. 同一组 12 个助记词配两个不同的 passphrase,会得到同一个钱包吗?

不会。passphrase 进 salt,不同口令派生不同种子,就是两棵完全不同的密钥树。好处是多一层保护,风险是忘了口令就恢复不了(p.52)。

5. 助记词和种子是同一个东西吗?

不是。助记词编码的是 128 到 256 位的熵,种子是 512 位,中间隔着 PBKDF2(p.52)。

6. 三个 BIP 编号分别管什么?

BIP32 管 HD 钱包的树结构,BIP39 管助记词,BIP44 管路径每一层的含义(p.47、p.50)。

下一讲

下一讲 L04a-1 DApp 与去中心化 进入 DApp 开发。做 Lab 时会用 MetaMask 在测试网上部署合约:创建钱包时那 12 个词就是这一页的 BIP39 助记词,Account 1、2、3 是同一棵 HD 树上的不同叶子。测试网钱包的助记词也别截图存云盘。

下一讲 →
L04a-1 L04a-1 DApp 是什么:把一个应用拆成五块,逐块问归谁管

个人整理的学习笔记,不是官方材料;数字与结论以课件和讲师为准。