メインコンテンツへスキップ
見出し画像

Base64とは?データを64種類の文字に置き換える仕組みと、暗号ではない理由を図で解説

    メールの添付ファイルや、ウェブページの中に直接書かれた画像、ウェブサイトに利用者名とパスワードを送る「Basic 認証」のやり取りには、「iVBORw0KGgo…」や「dGFuYWthOnBhc3M=」のように、英字と数字が長く続く文字列が出てきます。

    これらの多くは、Base64 という方法で書かれた文字列です。Base64 は、画像のように文字として読めないデータも含め、あらゆるデータを、決まった64種類の文字だけで書き表す方法です。

    この記事では、Base64 が何のためにあるのか、文字列がどのような手順で作られるのかを、「Cat」という3文字を例に、1段階ずつ図で説明します。そのうえで、日本語を扱うときの注意、URL で使う base64url、そして Base64 が暗号ではない理由を取り上げます。

    変換の結果は、Python、Node.js、Chromium(Chrome のもとになっているブラウザー)で実際に確かめました。本文の[1]のような番号は、押すと出典のページが開きます。

    まず用語をそろえる

    • ビット:0か1かを表す、データの最小の単位です。

    • バイト:8ビットのまとまりです。0〜255 の256通りの値を表せます。コンピューターの中では、文字も画像も、バイトの並びとして保存されています。

    • 文字コード:文字とバイトの値の対応を決めた約束です。英数字と記号を扱う ASCII(アスキー)、日本語も扱える UTF-8 や Shift_JIS などがあります。たとえば ASCII では、「C」は67という値のバイトになります。

    • バイナリーデータ:画像や音声、圧縮したファイルのように、文字として読むことを前提にしないバイトの並びです。

    • エンコードとデコード:決まった規則でデータを別の形に書き換えることをエンコード(符号化)、元の形に戻すことをデコードといいます。

    • 暗号化:鍵(秘密の値)を使って、データを他人に読めない形にすることです。元に戻せるのは、鍵を持つ人に限られます。

    • Basic 認証:ウェブサイトや API が「誰からのリクエストか」を確かめる、最も単純な方法の一つです。利用者名とパスワードを、リクエストの Authorization という欄(ヘッダー:本文とは別に付ける添え書き)に入れて送ります。ブラウザーでページを開いたときに、利用者名とパスワードを入力する小さな窓が出てくるのは、Basic 認証のような HTTP の認証の仕組みによるものです。

    Base64 を見かける場面

    MDN Web Docs(ブラウザーを開発する Mozilla が運営する、ウェブ技術の解説サイト)の用語集では、Base64 の一般的な用途として、MIME によるメール、XML に複雑なデータを入れる場合、バイナリーデータを data: URL に含める場合が挙げられています[1]。このほか、用語の節で紹介した Basic 認証でも、Base64 が使われています。

    画像
    Base64 を見かける主な場面。メールの添付、HTML に直接書く画像(data URL)、Basic 認証のヘッダー。どれも英字と数字が長く続く

    どの場面にも共通するのは、「本来は文字ではないデータを、文字しか通らない場所に通したい」という事情です。次の節で、その事情を説明します。

    なぜ文字に置き換えるのか

    Base64 などの変換の方法を定めた RFC 4648(インターネットの技術の標準をまとめた文書の一つ)では、こうした変換が多くの場面で使われるのは、データを保存したり送ったりする先が、US-ASCII(英数字・記号などの128文字の文字コード)しか扱えないことがあるためだと説明されています[2]。同じ文書によると、そうした制約はおそらく昔からの事情によるものですが、制約のない新しい用途でも、テキストエディターで扱えるという理由だけで使われることがあります[2]。

    代表的な例がメールです。メールの添付ファイルの形式を定めた RFC 2045(1996年)では、当時のメールの送り方の決まり(SMTP を定めた RFC 821)について、送れるのは7ビットの US-ASCII のデータだけで、1行は改行を含めて1000文字までと説明されています。同じ文書によると、そのため、画像のようなデータを7ビットの短い行に書き換える、標準の方法を決める必要がありました[3]。

    画像
    文字しか通らない道に、画像のバイトはそのまま通せない。Base64 で64種類の文字に置き換えると通せるようになり、受け取った側で元のバイトに戻す

    同じ事情は、HTML や JSON(文字で書いたデータの形式)のように、文字で書く形式の中に画像などを入れたいときにも生じます。文字で書かれた文書の中に、文字ではないバイトをそのまま混ぜることはできないためです。

    使う文字は64種類と「=」

    MDN の用語集によると、単に「Base64」というときは、一般に RFC 4648 の版を指し、次の64文字を使います。ほかに、文字数を4の倍数にそろえるために末尾に足す記号として「=」を使い、これをパディング文字と呼びます[1]。

    ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/

    64という数は、2を6回かけた数です。6ビットで表せる値は0〜63 の64通りなので、6ビットの値1つを、表の1文字にちょうど対応させられます。値と文字の対応は、次の表のとおりです。

    画像
    Base64 の64文字の表。0〜25 が大文字、26〜51 が小文字、52〜61 が数字、62 が「+」、63 が「/」。「=」は文字数を4の倍数にそろえるために末尾に足すパディング文字で、値を持たない

    「Cat」が「Q2F0」になるまで

    RFC 4648 では、エンコードは、入力を24ビットずつ区切り、それぞれを4文字に置き換えるものと定められています。24ビットは6ビットずつ4つに分け、1つずつ Base64 の表の1文字にします[2]。

    24ビットは、8ビットのバイトが3つ分です。つまり、Base64 は 3バイトずつ取り出して、4文字に置き換える 方法です。「Cat」という3文字の文字列を例に、4つの手順でたどります。

    手順1:文字をバイトにする

    Base64 が扱うのは、文字ではなくバイトです。文字列を Base64 にするときは、まず文字コードで文字をバイトにします。ASCII では、「C」は67、「a」は97、「t」は116 です。

    画像
    手順1。文字コード(ここでは ASCII)で、「C」「a」「t」を67・97・116 の3バイトにする

    手順2:8ビットの2進数で並べる

    3つのバイトを、それぞれ8桁の2進数で書き、左から順につなげます。67 は「01000011」、97 は「01100001」、116 は「01110100」で、合わせて24ビットの並びになります。

    画像
    手順2。3バイトを8ビットずつ2進数で書き、つなげて24ビットにする

    2進数の数え方や、10進数との行き来は、以前の記事「半導体はどうやって計算するのか。オンとオフの0と1、2進数と10進数、論理回路」で扱いました。

    手順3:6ビットずつ4つに区切る

    24ビットの並びを、区切りの位置だけ変えて、6ビットずつ4つに分けます。ビットの順番は変えません。「010000」「110110」「000101」「110100」の4つになります。

    画像
    手順3。同じ24ビットを、8ビットずつではなく6ビットずつに区切り直す。3つのまとまりが4つになる

    手順4:数に直し、表で文字にする

    6ビットの2進数を、ふだんの数に直すと、16・54・5・52 になります。表に当てはめると、16 は「Q」、54 は「2」、5 は「F」、52 は「0」です。こうして「Cat」は「Q2F0」になりました。

    画像
    手順4。6ビットを数に直し(16・54・5・52)、表で文字にすると「Q2F0」になる

    Python の標準の機能(base64 モジュール)で確かめても、同じ結果になりました。元に戻す(デコードする)ときは、手順を逆にたどり、文字を表で数に戻し、6ビットずつつなげて8ビットずつ区切り直します。

    import base64
    print(base64.b64encode(b"Cat"))  # b'Q2F0'
    print(base64.b64decode("Q2F0"))  # b'Cat'

    3バイトに足りないとき:「=」で埋める

    データの長さが3の倍数でないと、最後に1バイトか2バイトが余ります。RFC 4648 では、最後に余った入力が8ビット(1バイト)なら、最後は2文字の後に「=」を2つ、16ビット(2バイト)なら、3文字の後に「=」を1つ付けると定められています[2]。

    実際に、「Ca」(2バイト)は「Q2E=」、「C」(1バイト)は「Qw==」になりました。足りない部分には0のビットを補って6ビットにそろえ、文字にならない分を「=」で埋めて、4文字にそろえます。MDN の用語集でも、余った末尾のビットは0にするという RFC 4648 の決まりが紹介されています[1]。

    画像
    2バイトの「Ca」は「Q2E=」、1バイトの「C」は「Qw==」。0を補って6ビットにそろえ、残りを「=」で埋めて4文字にする

    このため、通常の Base64 の文字列は、末尾の「=」も含めて、必ず4の倍数の長さになります。末尾の「=」の数を見れば、最後に何バイト余っていたかが分かります。

    大きさは約3分の4倍になる

    3バイトが4文字になるため、Base64 にすると、データの大きさは元の約3分の4倍、つまり約3分の1増えます。MDN の用語集でも、文字列やファイルを Base64 にすると、通常、元よりもおよそ3分の1大きくなると説明されています[1]。

    実験では、3,000バイトのデータが4,000文字に、30,000バイトのデータが40,000文字になりました。ただし、1バイトのデータでも4文字になるため、短いデータでは増え方が大きくなります。

    画像
    3バイトが4文字になるため、大きさは約3分の4倍。3,000バイトの画像は、4,000文字の文字列になる

    メールでは、さらに改行が加わります。RFC 2045 では、Base64 にした文字列は、1行76文字以内に区切って書くことと定められています[3]。

    日本語を Base64 にするとき

    手順1で見たとおり、Base64 が変換するのは文字ではなくバイトです。そのため、同じ文字でも、どの文字コードでバイトにしたかによって、結果が変わります。

    たとえば「梨」は、UTF-8 では「E6 A2 A8」の3バイトになり、Base64 にすると「5qKo」でした。Shift_JIS では「97 9C」の2バイトになり、「l5w=」でした。デコードする側は、元に戻したバイトを、送った側と同じ文字コードで読む必要があります。

    画像
    同じ「梨」でも、UTF-8 なら3バイトで「5qKo」、Shift_JIS なら2バイトで「l5w=」。Base64 の前に、どの文字コードでバイトにしたかが結果を決める

    JavaScript の btoa() で日本語を渡すとエラーになる

    ブラウザーの JavaScript には、Base64 にする btoa() と、元に戻す atob() という関数があります。ただし、btoa() に日本語をそのまま渡すと、エラーになります。

    MDN の btoa() の解説では、1バイトに収まらない文字を含む文字列を渡すと、InvalidCharacterError という例外が起きると説明されています[4]。同じ解説によると、日本語のような文字を扱うときは、まず文字列を UTF-8 のバイトにしてから Base64 にする必要があり、TextEncoder を使う方法が最も簡単です[4]。

    Chromium 153 で試すと、btoa("梨") は「The string to be encoded contains characters outside of the Latin1 range.」(Latin1 という1バイトの文字の範囲の外にある文字が含まれている)というエラーになりました。TextEncoder で UTF-8 のバイトにしてから渡すと、Python と同じ「5qKo」になりました。

    btoa("梨");  // InvalidCharacterError
    
    const bytes = new TextEncoder().encode("梨");    // UTF-8 のバイト(230, 162, 168)
    btoa(String.fromCharCode(...bytes));             // "5qKo"
    画像
    btoa() は1バイトの文字しか受け付けない。日本語は TextEncoder で UTF-8 のバイトにしてから渡す

    なお、MDN の用語集では、バイトの並びを表す Uint8Array に、Base64 と相互に変換する toBase64() などの機能が用意されていることも紹介されています[1]。今回の Chromium 153 では使えましたが、Node.js 22 では使えなかったため、使う前に動く環境かどうかを確認する必要があります。

    URL の中で使うとき:base64url

    Base64 の64文字のうち、「+」と「/」は、URL の中では別の意味を持つことがあります。たとえば「/」は、URL の階層の区切りに使われます。そこで、URL やファイル名の中で使うための変形として、base64url があります。

    MDN の用語集によると、RFC 4648 の第5節で定められたこの版では、「+」と「/」を「-」と「_」に置き換え、末尾の「=」を省きます[1]。ただし、RFC 4648 の本文では、「=」を省けるのは、データの長さが別の方法で分かる場合とされています[2]。

    実験で、同じ3バイト(FB FF BF)を変換すると、通常の Base64 では「+/+/」、base64url では「-_-_」になりました。

    RFC 4648 では、この方式は通常の base64 とは別のものとして扱い、単に「base64」とは呼ばないよう求められています[2]。二つは使う文字が違うため、送る側と受け取る側で、どちらの方式かをそろえておく必要があります。

    画像
    base64url は、通常の Base64 の「+」「/」を「-」「_」に替えたもの。末尾の「=」は省くことが多い。表の残りの62文字は同じ

    HTML に画像を直接書く:data URL

    ウェブページの画像は、ふつう、画像のファイルの場所(URL)を書いて読み込みます。これに対して、画像のデータそのものを Base64 にして、HTML の中に書き込む方法があります。これが data URL です。

    MDN の data URL の解説では、data URL は「data:」で始まる URL で、小さなファイルを文書の中に直接埋め込めると説明されています[5]。形は「data:[データの種類];base64,[データ]」で、たとえば「data:text/plain;base64,SGVsbG8sIFdvcmxkIQ==」は「Hello, World!」という文字を表します[5]。Base64 にするのは画像のようなバイナリーデータの場合で、文字のデータなら、そのまま書くこともできます[5]。

    同じ解説によると、data URL にはパスやクエリー(URL の「?」の後ろ)の部分がないため、「+」や「/」を含む通常の Base64 をそのまま使えます[5]。ただし、前の節で見たとおり、Base64 にすると大きさは約3分の4倍になります。このため、data URL は小さな画像やアイコンに向いています。

    画像
    data URL は「data:種類;base64,データ」の形。画像のファイルを別に読み込まず、HTML の中に直接書ける

    HTML の基本は、以前の記事「バイブコーディングでも、知っていると違う。HTML・CSS・JavaScriptで作るランディングページの基本」で扱いました。

    Base64 は暗号ではない

    ここまでの手順には、鍵(秘密の値)が一度も出てきません。使う表は公開されていて、誰でも同じ手順を逆にたどれます。そのため、Base64 にした文字列は、誰でも元に戻せます。

    Basic 認証の例

    Basic 認証の決まりを定めた RFC 7617 では、利用者名(利用者 ID)とパスワードをコロン(:)でつなぎ、それを Base64 にしたものを資格情報として送ると定められています[6]。

    たとえば、利用者名「tanaka」とパスワード「pass」なら、「tanaka:pass」を Base64 にした「Authorization: Basic dGFuYWthOnBhc3M=」を送ります。この「dGFuYWthOnBhc3M=」を atob() に渡すと、そのまま「tanaka:pass」に戻りました。

    Authorization ヘッダーの仕組みや、Basic・Bearer などの認証の種類は、以前の記事「Content-Type と Authorization とは?API に POST するときのヘッダーと、400・401・403・415 の意味」で扱いました。

    画像
    Basic 認証の「dGFuYWthOnBhc3M=」は、鍵なしで誰でも「tanaka:pass」に戻せる。Base64 は見た目を変えるだけで、中身を隠さない

    MDN の HTTP 認証の解説では、Basic 認証は資格情報をエンコードするものの、暗号化はしないと説明されています[7]。同じ解説によると、base64 は元に戻せるエンコードなので、利用者名とパスワードは平文(暗号化していない文)として渡されることになり、Basic 認証は安全ではありません。資格情報を盗み見られないようにするには、HTTPS(TLS)を使う必要があります[7]。

    RFC 7617 でも、Basic 認証は安全な認証の方法ではなく、最大の欠点は、利用者のパスワードが暗号化されないままネットワークを流れることだと説明されています[6]。MDN の同じ解説では、ほかに CSRF(別のサイトから、利用者になりすました依頼を送らせる攻撃)への弱さも挙げられています[7]。

    CSRF は、以前の記事「CSRFとは?Djangoでの守り方と、開発中に出る「CSRF検証に失敗」画面の意味」で扱いました。

    「読めない見た目」が油断を生む

    RFC 4648 の「セキュリティ上の考慮」では、Base64 などの変換は、パスワードのような情報を見た目で分かりにくくするだけで、暗号のように秘密を守るものではないと説明されています[2]。

    同じ節によると、別の問題を説明しようと通信の記録を人に見せた利用者が、Base64 ではパスワードが守られないと知らずに、パスワードをうっかり明かしてしまった事故も知られています[2]。Authorization ヘッダーを含むログや画面の写しを人に渡すときは、Base64 の部分も、パスワードそのものとして扱う必要があります。

    画像
    エンコード(Base64)と暗号化の違い。Base64 は「文字しか通らない道に通す」ための変換で、鍵がなく誰でも戻せる。中身を守るのは暗号化や HTTPS の役割

    まとめ

    画像
    この記事のまとめ。Base64 は3バイトを4文字に置き換える変換で、文字しか通らない場所にデータを通すためのもの。暗号ではない

    Base64 は、データを3バイトずつ取り出し、6ビットずつ4つに区切って、64種類の文字に置き換える方法です。文字しか通らない場所にデータを通すための変換で、大きさは約3分の4倍になります。

    鍵を使わないため、誰でも元に戻せます。英字と数字が長く続く文字列を見かけたら、「読めない」ではなく「誰でも戻せる」と考えて扱うことが大切です。

    免責事項

    この記事は、筆者が個人として調べたことや経験をもとに、執筆時点の内容をまとめたものです。分かりやすさを優先し、細かい条件や例外を省いている場合があります。

    変換の結果は、Python 3.13、Node.js 22、Chromium 153 で確かめたもので、環境やバージョンによって、使える機能やエラーの表示が変わることがあります。実際の開発では、公式の文書で最新の内容を確認してください。

    製品の仕様などは変わることがあります。この記事の内容を利用して生じた損害については、責任を負いかねます。

    NDシステムズについて

    NDシステムズは、福岡県久留米市を拠点に、ホームページの制作、業務に合わせた事務のシステムの開発、AI・DX支援を行っています。まずはお気軽に無料相談でご相談ください。

    参考文献

    1. Base64(MDN Web Docs 用語集)

    2. RFC 4648: The Base16, Base32, and Base64 Data Encodings(RFC Editor)(英語)

    3. RFC 2045: Multipurpose Internet Mail Extensions (MIME) Part One(RFC Editor)(英語)

    4. Window: btoa() メソッド(MDN Web Docs)

    5. data: URL(MDN Web Docs)

    6. RFC 7617: The 'Basic' HTTP Authentication Scheme(RFC Editor)(英語)

    7. HTTP 認証(MDN Web Docs)

     
     
    福岡県久留米市のNDシステムズです。IT・AI、語学、会計、数学、九州北部の風景などについて、調べて考えたことを書いています。記事は筆者が個人として調べた執筆時点の内容で、専門家の助言ではありません。最新の情報は出典でご確認ください。

    あなたへのおすすめ