哈希算法（Hash 算法）

又称散列算法，核心：任意长度输入 → 固定长度输出，输出结果叫哈希值/摘要，单向不可逆，主打完整性校验、防篡改，不做数据加密。

一、核心特性

1. 定长输出
   无论原文几字节、几GB，最终哈希串长度固定。
2. 雪崩效应
   原文哪怕改1个比特，哈希值会彻底变化，肉眼看不出关联。
3. 单向性
   无法从哈希值还原出原始数据。
4. 抗碰撞
   理想状态下，很难找到两段不同原文，算出同一个哈希值（碰撞）。

二、主流算法分类&参数

1. 不安全（已淘汰，仅普通校验用）

• MD5
  输出：128位（32位十六进制字符）
  问题：已被攻破，可人为构造碰撞，严禁用于安全验签、密码存储。
• SHA-1
  输出：160位（40位十六进制字符）
  同样出现碰撞漏洞，主流场景逐步下线。

2. 目前安全主流（工业标准）

属于 SHA-2 家族

• SHA-256
  输出：256位（64位十六进制），互联网、接口、文件校验、HTTPS、签名最常用。
• SHA-512
  输出：512位，安全性更高，计算开销略大，多用于高安全场景。

3. 新一代标准

SHA-3：全新哈希架构，安全性更强，逐步推广中。

三、典型应用场景（对应你之前说的「传输校验」）

1. 数据传输/文件校验
   发送方算出文件/报文哈希值一并发送；接收方重新计算，比对一致=数据未篡改、未丢包。
2. 密码存储
   网站不存明文密码，只存密码哈希。登录时比对哈希，保护隐私。
3. 数字签名（搭配RSA）
   先对原文做哈希得到摘要，再用RSA私钥对摘要加密（签名），兼顾效率+防篡改+验身份。
4. 哈希表（编程）
   数据结构里做快速查找，和安全无关。

四、和加密、CRC的区别

1. vs 加密（如RSA）
   加密可逆，目的是保密；哈希不可逆，目的是校验完整性。
2. vs CRC
   CRC 是普通通信检错算法，无密码学安全性，易被人为篡改后伪造校验值；
   密码学哈希（SHA256）抗伪造，适合网络安全、业务数据验签。

五、简单示例

原文：hello

• MD5：5d41402abc4b2a76b9719d911017c592
• SHA256：2cf24dba5fb0a30e26e83b2ac5b9e29e1b161e5c1fa7425e73043362938b9824

修改为 Hello（仅首字母大写），哈希值会完全改变。

---

结合技术场景，分安全领域、网络传输、编程开发、日常业务四大类，梳理哈希算法核心应用，附场景说明与常用算法：

一、数据完整性校验（最核心用途）

1. 文件/软件校验
   官网提供安装包+哈希值，用户下载后本地重算哈希，比对一致说明文件未被篡改、下载无损坏。常用：SHA-256。
2. 网络报文传输校验
   接口、通信协议中，对请求/响应内容生成哈希，防止传输中数据被劫持篡改。

二、密码存储（互联网主流）

网站、APP绝不存储明文密码，只保存密码的哈希值。

• 流程：用户注册 → 计算密码哈希入库；登录 → 比对输入密码的哈希与库中值。
• 进阶：搭配盐值(salt) 对抗彩虹表破解，常用：SHA-256、SHA-512。
• 淘汰：MD5、SHA-1 因安全性问题基本不再用于密码存储。

三、数字签名 & 身份认证（搭配RSA等非对称加密）

大文件/长文本直接RSA加密效率极低，行业通用方案：

1. 先对原文做哈希，生成简短摘要；
2. 用私钥加密摘要（生成签名）；
3. 接收方：原文算哈希 + 公钥解密签名，两者比对完成验签。
   应用：HTTPS、电子合同、软件签名、区块链交易签名。

四、区块链与分布式系统

1. 区块通过哈希串联，修改任意区块内容，整条链哈希都会失效，保证账本不可篡改；
2. 钱包地址、交易信息也基于哈希生成，主流使用 SHA-256。

五、编程与数据结构（非安全用途）

1. 哈希表/哈希集合
   编程语言（Java、Python、C++）中，用哈希将键值映射到数组下标，实现O(1) 级快速查找，是字典、缓存的底层核心。
2. 去重处理
   对文本、图片、文件生成哈希，相同内容哈希一致，快速识别重复数据，用于网盘、数据库、日志去重。

六、其他拓展场景

1. 随机数/令牌生成
   结合时间戳、随机串做哈希，生成一次性验证码、会话Token、临时链接。
2. 隐私脱敏
   对手机号、身份证等敏感信息做哈希处理，在不泄露明文的前提下完成数据比对。

---

补充区分

• 侧重防篡改、安全校验：优先 SHA-256/SHA-512/SHA-3；
• 老旧系统简单校验：遗留 MD5/SHA-1（不建议新业务使用）；
• 纯数据查找、去重：仅利用哈希映射特性，无安全要求。

---

用通俗逻辑 + 分步流程 + 简易模拟算法讲清，再区分通用流程和主流 SHA-256 核心步骤，附极简手工示例。

一、哈希通用计算逻辑（所有哈希算法共通流程）

整体分为 4 步：补位填充 → 分块 → 迭代压缩 → 拼接输出
核心思想：把任意长度数据，切分成固定大小块，反复用压缩函数混算，最终输出定长摘要。

---

1. 第一步：数据补位（Padding）

原始数据长度不一定刚好是算法规定块大小的整数倍，必须补齐。
通用规则（以绝大多数哈希为例）：

1. 数据末尾先补一个二进制 1；
2. 再补若干个二进制 0，直到整体长度 = 「块长 – 64bit」；
3. 最后 64bit 存入原始数据的二进制总长度（大端序）。

目的：统一分块格式，保证不同长度输入能按相同规则处理。

2. 第二步：分块（Split）

把补位完成的完整数据，切分成等大的数据块。

• MD5 / SHA-1：块大小 512 bit
• SHA-256：块大小 512 bit
• SHA-512：块大小 1024 bit

3. 第三步：初始化哈希初始值（初始向量 IV）

算法内置一组固定常数（初始哈希值），作为迭代计算的起点。
例：SHA-256 预设 8 个 32 位初始哈希值 $h_0 \sim h_7$。

4. 第四步：逐块迭代压缩（核心运算）

对每一个 512bit 数据块依次处理：

1. 将 512bit 块拆成 16 个 32bit 子分组；
2. 通过扩展函数，把 16 组扩展成 64 组临时数据；
3. 执行多轮非线性混合运算（位运算：与、或、异或、移位、循环移位、加法），搭配算法内置常数；
4. 运算结果和上一轮哈希值叠加，得到新的哈希值；
5. 用新哈希值作为下一个数据块的输入。

5. 第五步：拼接结果

所有数据块处理完毕后，把最终的一组哈希值按顺序拼接，得到最终哈希摘要。

---

二、极简模拟：自己写一个“玩具哈希”（看懂运算本质）

不用复杂标准算法，造一个简易哈希，直观理解计算过程。

设定规则

1. 输入：英文字符串，先转 ASCII 十进制数
2. 块大小：每 2 个字符为 1 块
3. 初始值：sum = 100
4. 压缩规则：
   每块两个数 $a,b$，执行：$\boldsymbol{sum = (sum + a \times b) \bmod 256}$
5. 最终输出 sum（8位结果）

演算示例

输入字符串：ab

1. 转 ASCII：a=97，b=98
2. 初始 sum = 100
3. 计算：
   $$sum = (100 + 97 \times 98) \bmod 256 = 9606 \bmod 256 = 134$$
   最终哈希结果：134

再改输入为 ac（仅第二个字符变化）：
a=97，c=99

$$sum = (100 + 97 \times 99) \bmod 256 = 9703 \bmod 256 = 231$$
结果完全不同，体现雪崩效应。

标准哈希（MD5/SHA）只是把「简单加减取模」换成了大量位运算、多轮迭代、复杂扩展函数，整体框架和这个玩具哈希完全一致。

---

三、主流算法：SHA-256 标准计算简要拆解（工业级）

1. 基础参数

• 块大小：512 bit
• 输出：256 bit（8个32位整数）
• 迭代轮数：每块执行 64 轮运算

2. 完整步骤

1. 原始数据 → 二进制
   把文本/文件逐字节转为 8 位二进制串。
2. 补位填充
   末尾补 1 + 若干 0，最后 64 位记录原数据长度，使总长度为 512 的整数倍。
3. 分块
   切成若干个 512 bit 数据块。
4. 初始化 8 个 32 位初始哈希值（算法固定常量）
5. 单块内部运算
   ① 512bit 拆为 16 个 32bit 字；
   ② 扩展为 64 个 32bit 字；
   ③ 64 轮循环：使用逻辑函数、循环移位、预定义常数做混合计算；
   ④ 本轮结果与上一轮哈希值累加更新。
6. 遍历所有块
   逐个块重复上面运算，持续更新哈希值。
7. 拼接输出
   8 个最终 32 位数值按顺序拼接，得到 256 位 SHA-256 摘要。

---

四、关键补充

1. 为什么不可逆？
   计算全程大量使用取模、截断、多对一映射，多个原始数据会映射到同一个中间值，丢失原始信息，无法逆向还原。
2. 为什么改1字符结果大变？
   每一轮运算都会放大微小差异，经过几十轮迭代后，输出完全改变（雪崩效应）。
3. 手工算标准哈希？
   不现实：SHA-256 单块就要 64 轮复杂位运算，日常都是代码/工具调用库函数计算。