校验和与密码哈希的边界:MD5 为什么不能做防篡改

校验和与密码哈希共用同一批函数,但要的安全性质方向相反:校验和要快、要可复现;密码哈希要慢、要加盐。混用会出两类事故——拿 MD5 防篡改,或者拿 SHA-256 存密码。

分工:下载后怎么核对,见文件完整性校验;本文讲对抗边界——CRC32 与密码学哈希的差别、MD5 碰撞的真实威胁、长度扩展,以及密码为什么必须用 KDF。

先分场景:攻击者会不会主动构造输入

场景 出问题的原因 典型用途 算法要求
非对抗 随机错误:传输截断、磁盘坏道、进程崩溃 下载校验、缓存 key、ETag、分片 快、确定、可复现;CRC32 / MD5 可接受
对抗 有人刻意构造输入 防篡改、签名、密码存储 抗碰撞、抗原像、抗预计算

判断只看一个问题:输入是否可能由攻击者精心挑选? 会,就必须按对抗场景选;不会,速度优先也合理。文件校验是最轻的一档对抗:攻击者未必针对你,但摘要来源仍可能被动。

校验和的两档能力:检错码与密码学哈希

CRC32 是检错码,不是哈希。 它把消息当多项式做除法取余,运算线性、速度快一到两个数量级;代价是任何能解线性方程的人,都能为一段消息凑出指定 CRC。所以它能发现随机错误,挡不住蓄意构造。

SHA-256 是密码学哈希。 抗碰撞、抗原像,且没有已知的实用攻击。两者的区别不在「谁算得更准」,而在威胁模型:CRC 假设信道会出错,SHA 假设有人会作恶。

实用规则:单次下载用 SHA-256,慢的那点时间可忽略;只有流水线每秒校验上百文件且输入可信时,CRC32 才值得换掉安全性。无论用哪个,摘要来源与算法同等重要——同源替换能骗过任何算法。

MD5 与 SHA-1:碰撞可构造,但离「还原原文」还很远

MD5 碰撞可在普通笔记本上数秒内构造;SHA-1 的 SHAttered 攻击(2017)当时代价约 4.5 万美元,且成本持续下降。

可用:非对抗的下载校验、缓存 key、数据库去重键(只是没理由不用 SHA-256)。不可用:文件签名、证书完整性、任何防篡改场景。

技术细节:碰撞攻击不等于能还原任意原文,那需要第二原像攻击,难度高得多。但对「替换文件」,碰撞已经足够——攻击者准备合法文件 A 与恶意文件 B,让两者哈希相同,替换之后校验值不变,内容却变了。

所以判断标准不是「MD5 还容不容易算」,而是「输入会不会被别人挑」。新项目直接用 SHA-256,没有理由再引入 MD5。

密码存储:为什么必须是 KDF

通用哈希的设计目标是吞吐,而这正是密码存储最不需要的:GPU 每秒能算数十亿次 SHA-256,泄漏的哈希列表配上彩虹表,几分钟就能还原大部分密码。

密码哈希需要两个通用哈希给不了的性质:每用户唯一的盐(同一密码在不同用户处产生不同值,彩虹表整表作废)、可调成本(硬件变快就上调参数,数据格式不变)。Argon2id 首选,bcrypt / scrypt 次之;参数怎么定、bcrypt 的 72 字节上限、旧哈希怎么懒迁移,都在密码哈希指南。

这里有一条能立刻自检的边界:校验和必须可复现,密码哈希必须不可复现。同一份文件算两次,结果必须一样;同一个人登录两次,存储值必须不一样。哪一条不成立,就说明工具用错了。

长度扩展:hash(secret + data) 为什么能被伪造

SHA-256 用 Merkle–Damgård 构造:消息分块压缩,摘要就是最终内部状态。知道 H(secret || data) 以及 data 的长度,攻击者就能把这个状态当作初始值继续压缩,算出 H(secret || data || padding || extra)——全程不需要知道 secret。

// ❌ 可被长度扩展伪造
const sig = hash(secret + body)

// ✅ HMAC 把密钥混入初始状态
const sig = crypto.createHmac('sha256', secret).update(body).digest('hex')

后果不是学术问题:Webhook 验签里,攻击者在消息尾部追加内容,签名依然通过。HMAC 用两轮混合把密钥压进状态,结构上免疫;SHA-3 / BLAKE2 的海绵构造也没有这个性质。

同一类陷阱还有比较本身:=== 在第一个不同字符处返回,耗时随公共前缀长度变化,可以被逐字节试探。token 与签名的比较要用 timingSafeEqual,或直接用库提供的常量时间函数。

自查清单

  • [ ] 先问「输入会不会被攻击者构造」,再选算法
  • [ ] 文件校验与防篡改默认 SHA-256;只有流水线的 CRC32 速度刚需可例外
  • [ ] 密码用 Argon2id / bcrypt / scrypt,绝不裸存 SHA-256
  • [ ] 密钥场景用 HMAC,不自己拼 hash(secret + data)
  • [ ] token / 签名比较用常量时间函数

实测:同一密码两次不同,同一文件两次相同

# 文件:确定性,两次结果必须一样
echo -n "hello world" | sha256sum
# b94d27b9934d3e08a52e52d7da7dabfac484efe37a5380ee9088f7ace2efcde9
// 密码:每次随机盐,两次结果必然不同
const a = await bcrypt.hash('same-password', 12)
const b = await bcrypt.hash('same-password', 12)
console.log(a === b) // false

这不是 bug,而是设计要求:可复现才能校验文件,不可复现才能抵抗预计算。反过来用,两件事同时失效。工具:文本哈希、bcrypt 哈希。

常见问题

MD5 还能用来校验文件完整性吗?

分场景。 如果你的目的是发现意外损坏(传输错误、磁盘故障、下载不完整),MD5 仍然够用——它没有被攻破,只是被证明能构造碰撞,而碰撞构造需要刻意攻击。文件校验是「非对抗」场景,攻击者不会为你构造碰撞。但如果目的是防篡改(保证文件没被改过),MD5 绝对不行:攻击者能构造两个不同文件同哈希,把恶意文件替换进去而校验值不变。同样,SHA-1 也已不安全(SHAttered 攻击)。新项目一律用 SHA-256,它没有任何已知的实用碰撞攻击。本站的 [哈希工具](/hash-text.html) 可直接计算 SHA-256。

为什么密码不能用 SHA-256 直接存?

因为通用哈希的设计目标是快,而这正是密码存储最不需要的性质。GPU 每秒能算几十亿次 SHA-256,攻击者拿一个泄露的哈希列表(rainbow table)逐个比对是几分钟的事。密码必须用故意慢且自带盐与成本参数的 KDF:Argon2id(首选)、bcrypt、scrypt、PBKDF2。它们内部加盐(相同密码产生不同哈希,彩虹表失效),并可调迭代次数 / 内存占用,让暴力破解成本高到不可行。本站的 [bcrypt 工具](/bcrypt-hash.html) 与 [密码强度工具](/password-strength.html) 可用于生成与评估。

自己拼 hash(密码 + 消息) 行不行?

不行,这是最常见的安全错误之一。 hash(secret + message) 存在长度扩展攻击:攻击者即使不知道 secret,也能给出 hash(secret || message || padding || extra) 的合法值,从而篡改你追加的部分。SHA-256 抗碰撞但不抗长度扩展(SHA-3、BLAKE2 抗)。正确做法是用 HMAC——它从设计上处理了这个问题,Node 里是 crypto.createHmac('sha256', secret)。顺带一条:任何 token 或签名的比较都要用 timingSafeEqual 防时序侧信道,普通字符串比较会因耗时差异泄露信息。

← 返回博客首页