Skip to main content
 首页 » 编程设计

python之数字签名中pdf的消息摘要

2025年05月04日8Terrylee

我想手动验证签名 pdf 的完整性。我已经能够到达:-

  • 从 pdf 中获取“/Content”节点的值(使用 PyPDF2)。这是一个 der 编码的 PKCS#7 证书。

现在根据 pdf 规范,pdf 数据的消息摘要与证书一起存储在 /Content 节点中。尝试了很多,但我无法获得最终将与散列 pdf 内容(由 /ByteRange 指定)进行比较的摘要值。

  • PDF 规范快照:-

没看懂最后说的write signature object data into the dictionary。这个写入实际发生在哪里,我如何提取消息摘要?

请您参考如下方法:

(这与其说是一个答案,不如说是一个评论。由于评论的大小和格式限制,我还是把它放在了一个答案中。)

PDF 中的签名

在 prior question 中OP 已经插入了一个草图,说明在 SubFilter ETSI.CAdES.detached、adbe.pkcs7.detached 情况下嵌入 PDF 中的签名,或者 adbe.pkcs7.sha1:

但这只是一个草图,从字面上解释它可能会给人留下错误的印象,即签名字典中的 Contents 条目的值类似于包含“证书”的列表,一个“签名消息摘要”和“时间戳”。此外,将此列表称为“签名值”也会造成混淆,因为该名称也用于一小部分内容,请参见下文。

实际内容指定(参见this document)为:

When PKCS#7 signatures are used, the value of Contents shall be a DER-encoded PKCS#7 binary data object containing the signature. The PKCS#7 object shall conform to RFC3852 Cryptographic Message Syntax.

(顺便说一句:虽然这里的规范要求数据对象进行 DER 编码,但有许多签名的 PDF 对整个对象使用一些不太严格的 BER 编码,而仅对部分对象使用 DER RFC3852 也要求进行 DER 编码。)

PKCS#7 二进制数据对象

包含符合 RFC3852 的签名的 PKCS#7 二进制数据对象 更确切地说是一个包含 SignedData 内容的 ContentInfo 对象,通常命名为一个“签名容器”。

根据 RFC 3852

The CMS associates a content type identifier with a content. The syntax MUST have ASN.1 type ContentInfo:

  ContentInfo ::= SEQUENCE { 
    contentType ContentType, 
    content [0] EXPLICIT ANY DEFINED BY contentType } 

The signed-data content type shall have ASN.1 type SignedData:

  SignedData ::= SEQUENCE { 
    version CMSVersion, 
    digestAlgorithms DigestAlgorithmIdentifiers, 
    encapContentInfo EncapsulatedContentInfo, 
    certificates [0] IMPLICIT CertificateSet OPTIONAL, 
    crls [1] IMPLICIT RevocationInfoChoices OPTIONAL, 
    signerInfos SignerInfos } 

在这里您可以看到可选的集合certificates,其中通常至少包含签名者证书,通常还包含其颁发者证书链。这是上面草图中的“证书”。

您还会看到包含实际签名信息的 signerInfos 结构:

  SignerInfos ::= SET OF SignerInfo 

Per-signer information is represented in the type SignerInfo:

  SignerInfo ::= SEQUENCE { 
    version CMSVersion, 
    sid SignerIdentifier, 
    digestAlgorithm DigestAlgorithmIdentifier, 
    signedAttrs [0] IMPLICIT SignedAttributes OPTIONAL, 
    signatureAlgorithm SignatureAlgorithmIdentifier, 
    signature SignatureValue, 
    unsignedAttrs [1] IMPLICIT UnsignedAttributes OPTIONAL } 
  SignedAttributes ::= SET SIZE (1..MAX) OF Attribute 
  Attribute ::= SEQUENCE { 
    attrType OBJECT IDENTIFIER, 
    attrValues SET OF AttributeValue } 

(这里你看到 RFC 调用 SignatureValue 的结构...如前所述,上面的草图调用整个签名容器“签名值”可能会混淆,因为下面已经是一个实体一种这样称呼的类型。)

您正在寻找 adbe.pkcs7.detached 类型 PDF 签名的已签名 PDF 字节范围的消息摘要。其实有两种可能:

  • 在极少数最简单的 SignerInfo 实例中,没有 SignedAttributes。在这种情况下,SignatureValue 是立即应用于带符号字节范围的签名算法的值。

如果签名算法基于 RSA,您可以通过使用签名者的公钥(来自他的证书)解码值并从解码的 DigestInfo 对象中提取摘要来检索文档摘要值。

    DigestInfo ::= SEQUENCE { 
      digestAlgorithm DigestAlgorithmIdentifier, 
      digest Digest } 

如果签名算法是基于DSA或EC DSA,则根本无法检索到摘要值。这些算法只允许您检查您提供的摘要值(例如,在您检索文档时对文档的签名字节范围进行哈希处理)是否是原始签名值。

  • 在具有 SignedAttributes 的 SignerInfo 实例的更常见情况下,您必须在这些 SignedAttributes 中搜索已标识的消息摘要属性通过
 id-messageDigest OBJECT IDENTIFIER ::= { iso(1) member-body(2) 
        us(840) rsadsi(113549) pkcs(1) pkcs9(9) 4 } 

不过,正如评论中已经提到的,我无法解释如何使用 Python 或 openssl 在此处进行深入分析。您将需要一些了解这些特定 ASN.1 结构或一般 ASN.1 结构的工具。