哈希函数

哈希函数(Hash function)又称散列函数,是一种把任意长度输入映射为固定长度输出的函数。这个输出通常叫做消息摘要(message digest)或哈希值(hash value)。它的核心作用不是“加密”,而是用于完整性校验、数据索引、数字签名、口令存储等场景。

基本概念

可以把哈希函数理解为“压缩摘要器”:

\[ H(m) = h \]

其中,(m) 是任意长度的消息,(h) 是固定长度的摘要。

哈希函数最重要的特点是:

  • 输入相同,输出必然相同
  • 输入发生微小变化,输出会剧烈变化
  • 不能从摘要直接反推出原文

这也是为什么哈希常被用来存储密码:数据库里通常不会直接保存明文密码,而是保存密码的哈希值。

安全性性质

一个好的密码学哈希函数通常需要满足以下性质:

1. 确定性

同一个输入,哈希结果必须始终一致。

2. 抗原像性

给定摘要 (h),很难找到消息 (m) 使得:

\[ H(m)=h \]

3. 抗第二原像性

给定消息 (m_1),很难找到另一个不同消息 (m_2) 使得:

\[ H(m_1)=H(m_2) \]

4. 抗碰撞性

很难找到任意两条不同消息 (m_1,m_2),使得:

\[ H(m_1)=H(m_2) \]

注意,从数学上讲,碰撞一定存在,因为输入空间无限大而输出空间有限;安全性要求的是在计算上不可行。

常见哈希算法

MD5

  • 输出 128 bit
  • 曾经使用广泛
  • 现在已经不再安全
  • 常用于旧系统兼容、文件校验、口令摘要

SHA-1

  • 输出 160 bit
  • 已被证明存在实用碰撞攻击
  • 实际安全场景中已逐渐淘汰

SHA-2

  • 包括 SHA-224、SHA-256、SHA-384、SHA-512 等
  • 至今仍然广泛使用
  • 在大多数场景下安全性较好

SHA-3

  • 基于不同于 SHA-1 / SHA-2 的结构设计
  • 适合作为长期替代方案

哈希的典型用途

1. 完整性校验

当你下载一个文件时,网站通常会同时给出一个 SHA-256 值。你下载后重新计算哈希,如果结果一致,说明文件大概率没有被篡改。

2. 密码存储

数据库不会直接保存密码明文,而是保存:

\[ H(\text{password}) \]

实际工程中还会加入 salt,防止彩虹表攻击。

3. 数字签名

对大消息直接做签名代价较高,因此常先对消息哈希,再对摘要签名。

4. 认证与令牌

很多接口会把哈希当作 token、签名或校验值使用,例如:

  • token = MD5(secret || user_id || ts)
  • sign = SHA256(data || key)
  • verify = SHA1(message)

这类设计如果处理不当,容易引入绕过或伪造风险。

常见使用场景

1. 消息完整性校验

哈希函数常用于验证消息是否被篡改。给定消息 (m),计算摘要 (H(m)) 后,可以在传输前后比较摘要是否一致。如果两次摘要相同,则说明消息在传输过程中保持不变的概率很高。

2. 口令存储

系统通常不会直接保存明文口令,而是保存口令的哈希值:

\[ H(\text{password}) \]

为了抵抗预计算攻击,实际应用中还会引入随机盐值 (salt),保存形式通常写成:

\[ H(\text{salt} || \text{password}) \]

3. 数字签名

哈希函数常作为签名算法的输入预处理步骤。由于直接对长消息进行签名开销较高,因此通常先计算消息摘要,再对摘要签名。

4. 消息认证码与令牌

在协议设计中,哈希函数有时与密钥结合使用,构造消息认证码或令牌校验值。若拼接顺序、长度处理或密钥管理不当,可能引入安全问题。

典型分析方法

当面对一个哈希值或哈希流程时,通常需要先判断它属于哪一类问题:

1. 已知摘要求原文

如果只给出固定长度摘要,而原文空间较小或格式可预测,可以通过字典、规则或枚举方式恢复原文。此时关键在于缩小搜索空间,而不是试图“逆向”哈希函数本身。

2. 已知格式求摘要

如果原文结构已知,只是其中某一部分未知,例如:

\[ H(\text{prefix} || x || \text{suffix}) \]

那么可以通过爆破未知部分来匹配目标摘要。具体能否成功,取决于未知部分的长度和字符集大小。

3. 校验逻辑分析

若程序中出现类似:

\[ \text{sign} = H(a || b || c) \]

就需要重点分析各字段是否可控、拼接顺序是否固定、是否存在长度扩展风险,以及是否对输入做了规范化处理。

4. 自定义哈希函数

如果使用的不是标准 MD5、SHA-1 或 SHA-2,而是自定义混合过程,则需要分析其状态更新方式、循环结构、取模范围和最终输出方式。对这类函数,真正重要的是代码逻辑,而不是哈希名称。

长度扩展问题

对于基于 Merkle-Damgård 结构的哈希函数,如果应用方式不当,可能受到长度扩展攻击。典型形式是:

\[ \text{token} = H(\text{secret} || m) \]

攻击者在已知 (H(\text{secret} || m)) 和消息长度信息的前提下,可能构造出新的合法摘要:

\[ H(\text{secret} || m || \text{padding} || m') \]

这并不意味着哈希函数本身“不安全”,而是说明其使用方式必须正确。

哈希在密码学中的角色

哈希函数本身不是加密算法,但它是很多密码学协议的基础组件。比如:

  • RSA 签名通常先对消息哈希
  • TLS 协议中会用哈希构造握手摘要
  • 区块链中会用哈希链接区块
  • 口令系统里用哈希保存密码

因此,哈希函数虽然结构简单,但在安全体系中非常关键。

结语

哈希函数最重要的不是“把内容变短”,而是让输入和输出之间形成一种难以逆推、难以伪造、难以碰撞的关系。理解其性质、适用场景以及常见风险,比记住某个具体算法的名称更重要。

长度扩展示意

如果一个系统把消息写成:

\[ \text{token} = H(\text{secret} || m) \]

那么攻击者在不知道 secret 的情况下,也可能构造:

\[ H(\text{secret} || m || \text{padding} || m') \]

这就是长度扩展攻击的核心思想。

一个更具体的题面例子

题目可能会给出:

  • 原消息:username=admin
  • 原摘要:SHA1(secret || username=admin)
  • 目标:伪造出 username=admin&role=1

如果已知 secret 长度范围,就可以利用长度扩展把新的参数附加进去,同时构造新的合法摘要。

哈希在密码学中的角色

哈希函数本身不是加密算法,但它是很多密码学协议的基础组件。比如:

  • RSA 签名通常先对消息哈希
  • TLS 协议中会用哈希构造握手摘要
  • 区块链中会用哈希链接区块
  • 口令系统里用哈希保存密码

因此,哈希函数虽然结构简单,但在安全体系中非常关键。