第7章哈希函数与消息摘要

课程目录第7章哈希函数与消息摘要

哈希函数与消息摘要：MD5、SHA-1、SHA-256原理与C语言实战

聊到加密，很多人第一反应是「把数据藏起来」。但哈希函数干的事不太一样——它不藏数据，而是给数据打一个「指纹」。你想想看，一个文件、一段消息，哪怕只改了一个比特，这个指纹就会变得面目全非。这就是哈希函数的核心价值：完整性校验。

我在做嵌入式固件升级时，就吃过没做哈希校验的亏。当时OTA下载了一个损坏的固件包，直接刷进去，设备变砖了。从那以后，我所有涉及数据传输的地方，必加哈希校验，一个字节都不敢省。

哈希函数的基本特性

一个合格的哈希函数，必须满足以下几个条件：

输入任意长度，输出固定长度——你传一个字符也好，传一部电影也好，MD5永远输出128位，SHA-256永远输出256位。
单向性——从哈希值反推原始消息，在计算上不可行。说白了，你拿着指纹找不到原手。
抗碰撞性——很难找到两个不同的输入，产生相同的哈希值。嗯，这里要注意，MD5和SHA-1已经被攻破了，理论上可以人为制造碰撞。
雪崩效应——输入微变，输出剧变。哪怕只改一个比特，哈希值也会变得完全不一样。

核心概念：哈希不是加密。加密可以解密，哈希不能「解哈希」。哈希是单向的，加密是双向的。这个区别，面试时经常有人搞混。

MD5、SHA-1、SHA-256 对比

这三种算法，我按「过时程度」排个序吧。

算法	输出长度	安全性	现状
MD5	128位（16字节）	已攻破，可碰撞	仅用于非安全场景（如校验下载完整性）
SHA-1	160位（20字节）	理论上可碰撞，实际成本高	已被弃用，不建议新项目使用
SHA-256	256位（32字节）	目前安全	推荐使用，行业标准

我个人习惯，新项目一律用SHA-256。MD5我只在内部调试时用，比如快速比对两个文件是否一致。SHA-1嘛，我建议你直接忘掉它——除非你在维护十几年前的遗留系统。

MD5 原理简述

MD5的处理流程，说白了就是「分块→填充→压缩」。我简单拆一下：

填充：在消息末尾补一个1，然后补0，直到长度模512等于448。最后64位放原始消息长度。
分块：每512位（64字节）为一个处理块。
初始化缓冲区：四个32位寄存器，A=0x67452301，B=0xEFCDAB89，C=0x98BADCFE，D=0x10325476。
压缩函数：每个块经过四轮非线性运算，每轮16步，共64步。每一步都涉及移位、异或、与、或操作。
输出：最后A、B、C、D拼接成128位哈希值。

嗯，这里要注意，MD5的压缩函数里用了很多常数和循环左移，这些细节你不需要死记，但要知道它本质上是一个「混淆+扩散」的过程。

SHA-256 原理简述

SHA-256比MD5复杂不少，但核心思路类似：

消息填充方式与MD5类似，但长度用64位表示。
初始化8个32位寄存器（A~H），这些常数取自前8个质数的平方根的小数部分。
每轮64步，每步使用6个逻辑函数：Ch、Maj、Σ0、Σ1、σ0、σ1。
每轮还用到64个常数K，取自前64个质数的立方根的小数部分。

为什么SHA-256比MD5安全？说白了，输出长度翻倍，抗碰撞强度是指数级提升。另外它的逻辑函数设计更复杂，不容易找到数学漏洞。

避坑指南：我曾经在STM32上实现SHA-256，发现标准库的哈希函数在中断里调用会死机。原因是哈希计算涉及大量循环移位和乘法，中断里跑太久会触发看门狗。解决方案：要么把哈希计算放到主循环，要么用硬件加速模块。

知识体系结构图

下面这张图，帮你理清哈希函数的核心逻辑：

C语言实战：计算SHA-256哈希值

实际项目中，我很少自己手写哈希算法——OpenSSL和mbedTLS都提供了现成的API。下面我用OpenSSL演示，因为它在Linux和Windows上都很常见。

先安装OpenSSL开发库：

# Ubuntu/Debian
sudo apt-get install libssl-dev

# macOS (Homebrew)
brew install openssl

# Windows (vcpkg)
vcpkg install openssl

然后写一个计算文件SHA-256的程序：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <openssl/sha.h>

void print_hash(const unsigned char *hash, int len) {
    for (int i = 0; i < len; i++) {
        printf("%02x", hash[i]);
    }
    printf("\n");
}

int main(int argc, char *argv[]) {
    if (argc != 2) {
        fprintf(stderr, "用法: %s <文件名>\n", argv[0]);
        return 1;
    }

    FILE *fp = fopen(argv[1], "rb");
    if (!fp) {
        perror("无法打开文件");
        return 1;
    }

    // 获取文件大小
    fseek(fp, 0, SEEK_END);
    long fsize = ftell(fp);
    rewind(fp);

    // 读取整个文件到内存
    unsigned char *buffer = (unsigned char*)malloc(fsize);
    if (!buffer) {
        perror("内存分配失败");
        fclose(fp);
        return 1;
    }

    size_t read_size = fread(buffer, 1, fsize, fp);
    fclose(fp);

    if (read_size != fsize) {
        fprintf(stderr, "文件读取不完整\n");
        free(buffer);
        return 1;
    }

    // 计算SHA-256
    unsigned char hash[SHA256_DIGEST_LENGTH];
    SHA256(buffer, fsize, hash);

    printf("SHA-256: ");
    print_hash(hash, SHA256_DIGEST_LENGTH);

    free(buffer);
    return 0;
}

编译命令：

gcc -o sha256_demo sha256_demo.c -lssl -lcrypto

注意：上面的代码把整个文件读入内存，对大文件不友好。生产环境中，我建议用分块读取的方式，每次读64KB，用EVP_DigestUpdate逐步更新哈希上下文。这样内存占用恒定，不会因为文件太大而崩溃。

分块读取的改进版本

嗯，这里给一个更实用的版本，适合处理大文件：

#include <stdio.h>
#include <openssl/evp.h>

#define BUFFER_SIZE 65536  // 64KB

int compute_sha256(const char *filename, unsigned char *hash) {
    FILE *fp = fopen(filename, "rb");
    if (!fp) return -1;

    EVP_MD_CTX *ctx = EVP_MD_CTX_new();
    if (!ctx) {
        fclose(fp);
        return -1;
    }

    EVP_DigestInit_ex(ctx, EVP_sha256(), NULL);

    unsigned char buffer[BUFFER_SIZE];
    size_t bytes_read;

    while ((bytes_read = fread(buffer, 1, BUFFER_SIZE, fp)) > 0) {
        EVP_DigestUpdate(ctx, buffer, bytes_read);
    }

    unsigned int hash_len;
    EVP_DigestFinal_ex(ctx, hash, &hash_len);

    EVP_MD_CTX_free(ctx);
    fclose(fp);

    return hash_len;
}

int main() {
    unsigned char hash[32];
    if (compute_sha256("large_file.bin", hash) == 32) {
        printf("SHA-256: ");
        for (int i = 0; i < 32; i++) printf("%02x", hash[i]);
        printf("\n");
    }
    return 0;
}

这个版本用EVP接口，好处是换算法只需改一行——把EVP_sha256()换成EVP_sha1()或EVP_md5()就行。我在项目中维护过一套哈希校验工具，就是用这个模式，支持多种算法切换。

实际应用场景

哈希函数在安全编程中无处不在。我列几个最常见的：

文件完整性校验：下载软件包后，比对官方提供的SHA-256值，确保文件没被篡改。
密码存储：注意，这里不能用MD5或SHA-256直接存密码！应该用bcrypt、scrypt或Argon2这类慢哈希算法。直接存SHA-256的密码，彩虹表一查就破。
消息认证码（HMAC）：结合密钥和哈希，验证消息的完整性和来源。
数字签名：先对消息做哈希，再对哈希值签名，效率远高于直接签名。
数据去重：用哈希值作为数据的唯一标识，快速判断数据是否已存在。

个人经验：我曾经在日志系统中用MD5做去重，结果发现两条不同的日志产生了相同的MD5——虽然概率极低，但在海量数据下真的发生了。从那以后，我所有去重场景都改用SHA-256，宁可用空间换安全。

总结

哈希函数是安全编程的基石。MD5和SHA-1已经老了，新项目请直接上SHA-256。C语言里用OpenSSL的EVP接口，既安全又灵活。记住：哈希不是加密，它是「指纹」，不是「锁」。

嗯，最后提醒一句：别自己造哈希算法。我见过有人把MD5改了改常数就当新算法用，结果碰撞率比原版还高。标准算法经过了全世界密码学家的检验，你改一个字节都可能引入致命漏洞。

📚 课程目录

哈希函数与消息摘要：MD5、SHA-1、SHA-256原理与C语言实战

哈希函数的基本特性

MD5、SHA-1、SHA-256 对比

MD5 原理简述

SHA-256 原理简述

知识体系结构图

C语言实战：计算SHA-256哈希值

分块读取的改进版本

实际应用场景

总结