Las funciones hash explicadas
Cuando descargas un programa y verificas su suma de comprobación, inicias sesión con una contraseña, firmas un documento o añades un bloque a Bitcoin, hay una función hash en acción. Convierte cualquier cantidad de datos en una huella corta de tamaño fijo, el resumen, de una forma que no se puede deshacer ni falsificar. La idea es sencilla, pero las exigencias a un buen hash son estrictas, y dos de los más usados, MD5 y SHA-1, no las superaron.
Una huella para los datos
Una función hash toma una entrada de cualquier longitud y devuelve un resumen de longitud fija: 256 bits en el caso de SHA-256, escritos como 64 dígitos hexadecimales. La misma entrada siempre da el mismo resumen, así que el resumen puede representar a los datos. Si dos archivos tienen el mismo resumen SHA-256, puedes estar seguro de que son idénticos, y si un bit de una descarga se dañó, su resumen ya no coincide con el que indicó quien la publicó. Como hay muchas más entradas posibles que resúmenes, muchas entradas tienen que compartir cada resumen; un buen hash simplemente hace imposible encontrar ninguna de ellas.
Tres promesas
Un hash criptográfico hace tres promesas. Resistencia a preimagen: dado un resumen, no se puede encontrar una entrada que lo produzca. Resistencia a segunda preimagen: dada una entrada, no se puede encontrar otra entrada con el mismo resumen. Resistencia a colisiones: no se puede encontrar ningún par de entradas con el mismo resumen. Para un hash ideal de n bits, los mejores ataques consisten en adivinar: unos 2ⁿ intentos para una preimagen y unos 2ⁿᐟ² para una colisión. Se dice que un hash está roto cuando alguien encuentra una forma mucho más rápida que eso.
El efecto avalancha
Cambia un bit de la entrada y cada bit del resumen debería invertirse con una probabilidad de un medio, con independencia de los demás. Así, un cambio pequeño en el mensaje da un resumen que parece no tener ninguna relación, y el resumen no delata nada sobre qué parte de la entrada cambió. SHA-256 lo consigue ejecutando 64 rondas que rotan, suman y combinan sus ocho palabras de 32 bits, de modo que en pocas rondas cada bit de entrada ha influido en cada palabra. Una simple suma de los bytes, en cambio, varía exactamente en la misma cantidad que la entrada, así que lo delata todo.
Dentro de SHA-256
SHA-256 primero rellena el mensaje: le añade un bit 1, ceros y la longitud del mensaje, hasta que el total es múltiplo de 512 bits. Después procesa el mensaje de 512 en 512 bits. Cada bloque se expande en 64 palabras, que se mezclan en un estado de ocho palabras de 32 bits, partiendo de valores fijos tomados de las raíces cuadradas de los ocho primeros números primos. El estado tras el último bloque es el resumen. Este diseño encadenado, que lleva el nombre de Ralph Merkle e Ivan Damgård, lo comparten MD5, SHA-1 y SHA-512; el más reciente SHA-3, estandarizado en 2015, usa una construcción distinta llamada esponja.
El ataque de cumpleaños
En un grupo de 23 personas, la probabilidad de que dos cumplan años el mismo día es algo mayor que un medio, aunque el año tiene 365 días, porque lo que cuenta es el número de parejas, que crece con el cuadrado del tamaño del grupo. Las colisiones de un hash siguen la misma regla. Entre 2ᵏ resúmenes posibles, se espera una colisión tras unas √(π/2 · 2ᵏ) entradas aleatorias. Para 32 bits son unas 82.000 entradas, cosa de un momento; para 128 bits son unos 2⁶⁴, algo al alcance de grandes esfuerzos de cálculo. Por eso los 128 bits de MD5 nunca fueron generosos, y por eso SHA-256 duplica la longitud para ofrecer una seguridad de 128 bits.
MD5 y SHA-1: rotos
Ron Rivest diseñó MD5 en 1991, y la NSA diseñó SHA-1, publicado en 1995. En 2004, Xiaoyun Wang y sus colegas mostraron cómo crear colisiones de MD5 rápidamente, y en 2008 unos investigadores las usaron para falsificar un certificado en el que confiaban los navegadores web. El programa de espionaje Flame, de 2012, usó una colisión de MD5 para hacerse pasar por una actualización de Microsoft. SHA-1 cayó en 2017, cuando Google y el CWI Amsterdam publicaron dos archivos PDF distintos con el mismo resumen SHA-1, tras unos 2⁶³ cálculos. Ambos siguen sirviendo para detectar errores accidentales, pero no para nada que un atacante pueda tener en el punto de mira.
Dónde se usan los hashes
Las firmas digitales firman el hash de un documento en lugar del propio documento. Git nombra cada archivo y cada commit por su hash, y los mineros de Bitcoin buscan cabeceras de bloque cuyo doble hash SHA-256 empiece con una larga serie de ceros. Los sitios web nunca deberían guardar las contraseñas, solo un hash de ellas; pero como la gente elige contraseñas cortas, ese hash debe ser lento y con sal, con métodos como bcrypt, scrypt o Argon2, para que adivinar resulte caro. Las sumas de comprobación como CRC-32, que se usan en los archivos ZIP, las imágenes PNG y Ethernet, también son hashes, pensados para detectar ruido y no atacantes.
Explóralo
Abre el laboratorio de funciones hash para calcular el hash de tu propio texto con SHA-256, SHA-512, SHA-1, MD5, CRC-32 y una suma de bytes de juguete. Pulsa Cambiar un carácter y cuenta los bits invertidos, usa Ejecutar la prueba para hacer la prueba de avalancha con mil cambios de un bit y ver la curva de campana en torno a la mitad del resumen, y Buscar una colisión para encontrar colisiones reales en los primeros 8 a 32 bits de un resumen y ver el ataque de cumpleaños en acción.
Preguntas frecuentes
¿Es lo mismo calcular un hash que cifrar?
No. El cifrado está pensado para que lo deshaga quien tenga la clave; un hash no tiene clave y nadie puede deshacerlo. El cifrado mantiene en secreto un mensaje, mientras que un hash solo da una huella que te permite comprobar un mensaje que ya tienes.
¿Cuánto se tardaría en encontrar una colisión de SHA-256?
Con el ataque de cumpleaños, unos 2¹²⁸ hashes, un número de 39 cifras. Aunque todos los ordenadores de la Tierra no hicieran otra cosa, se tardaría muchísimo más que la edad del universo. No se conoce ningún atajo.
¿Por qué dos hashes del mismo texto nunca difieren?
Una función hash es determinista: no tiene aleatoriedad ni clave, así que los mismos bytes siempre dan el mismo resumen. Las pequeñas diferencias que no se ven, como un espacio al final, un salto de línea distinto u otra forma Unicode de una letra acentuada, sí dan un resumen distinto.
¿Qué es una sal?
Un valor aleatorio que se guarda junto al hash de una contraseña y se mezcla en él. Así, dos usuarios con la misma contraseña obtienen hashes distintos, y un atacante no puede usar una sola tabla precalculada de contraseñas comunes para todas las cuentas.
¿Listo para probarlo?
Abre PictorX en tu navegador: sin instalación ni tarjeta de crédito para empezar.
Abrir el laboratorio de funciones hash