HASH算法简介

Posted 2021-03-21 江文团二世

前段时间和几位计算机专业的粉丝聚餐，聊着聊着聊到了HASH算法。于是请了KK为大家科普一下HASH算法，KK写的知识水平非常高。简单的说，HASH算法的用途之一是防止报道出现偏差。

简介

首先明确一点，这里所谓的HASH算法并不是大学里数据结构里的HASH表算法。这里的HASH算法是密码学的基础。HASH算法，或者叫HASH函数就是将任意长度的数据映射到有限长度的域上。类似于高中所学的函数的定义，就是将任意长度的输入值X，映射到有限长度的输出值Y上的函数。也就是说，无论输入X有多长，其输出值Y为固定长度。（钦定的长度？）目前世界上比较常见的两种是MD5和SHA。

 

性质

HASH函数最重要的两条性质，就是不可逆和无冲突。所谓不可逆，就是当你知道X的HASH值——也就是上文所提到的Y，无法求出X；所谓无冲突，就是当你知道X1，无法找出另一个X2， 使X1与X2的HASH值相同。

 

但是，这两条性质在数学上都是不成立的。因为一个函数必然可逆，且由于HASH函数的值域有限，理论上会有无穷多个不同的X值，它们的HASH值都相同。MD5和SHA做到的，是求逆和求冲突在计算上不可能，也就是正向计算很容易，而反向计算即使穷尽人类所有的计算资源都做不到。近几年炒得很火的量子计算机据说有能力可以进行反向计算，暂不予评论。

应用

比如说，我写了一篇文章，摘要是一段话：“把扬州建设成为古代文化与现代文明交相辉映的名城”，并附上这篇文章的摘要(HASH值)是：“7B6673604E03E39ABE8F8D67A7A5C4EC”。如果有人篡改了我的文章，并发表为：“把广州建设成为古代文化与现代文明交相辉映的名城”，我可以立即发现我的文章被篡改过，因为根据“把广州建设成为古代文化与现代文明交相辉映的名城”计算出的摘要不同于原始文章的摘要。这也是现在HASH算法应用最广泛的场景之一了。

 

这里之所以篡改可以被发现，就是因为摘要函数是一个单向函数，计算Y很容易，但通过d摘要反推X却非常困难。而且，对原始数据做一个bit的修改，都会导致计算出的摘要完全不同。不过上文也有说到，是完全可以通过不同的输入得到相同的输出的，即md5(a) = md5(b)。我们将这种情况称为HASH碰撞。一个好的HASH算法中，应该存在大量不同的数据串，因此碰撞这种情况极其罕见。

 

HASH算法是密码学的主要算法。现今已经在人们的生活中十分常见。任何允许用户登录的网站都会存储用户登录的用户名和密码。如果以明文保存用户密码，如果数据库泄露，所有用户的口令就落入黑客的手里，并且运维人员是可以访问数据库的，也就是能获取到所有用户的密码。所以正确的做法是保存保存用户密码的摘要，然后将其与数据库中的摘要进行对比，如果一致，就代表密码正确，不一致，就代表密码错误。

我本来想写的通俗一些的，但是我很快发现我已经忘完了。