4、校验算法入门：什么是哈希算法、常见的哈希算法（CRC32, MD5, SHA1, SHA256）、哈希算法的特性（不可逆性、唯一性）
做固件烧录这么多年，我见过太多工程师把「校验」当成一个 checkbox 来打。点一下「校验」按钮，看到绿色通过就完事了。但你知道吗？选错校验算法，镜像烧进去可能跑几个月才出问题，到时候定位成本高得吓人。
这一章，咱们把哈希算法这件事彻底聊透。不扯玄学，只讲你在烧录工具里真正需要知道的东西。
4.1 哈希算法到底是什么？
哈希算法，说白了就是一个「指纹生成器」。你给它一段数据——不管是一个字节还是一个TB——它都能算出一段固定长度的摘要。这段摘要就是数据的「数字指纹」。
我习惯这么理解：哈希函数 = 碎纸机 + 打印机。你把文件塞进去，碎纸机把它搅碎，打印机吐出一张小纸条。小纸条上的内容就是哈希值。而且这台机器有个特性：你永远没法把碎纸屑拼回原文件。
核心定义：哈希算法（Hash Algorithm）是一种将任意长度的输入数据映射为固定长度输出（哈希值）的数学函数。这个映射过程是单向的、确定性的。
嗯，这里要注意：确定性意味着同样的输入永远得到同样的输出。这是校验能成立的前提。如果同一个镜像今天算出一个值，明天算出另一个，那校验就没意义了。
4.2 常见的哈希算法——你该选哪个？
我在项目中用过不下十种哈希算法。但在烧录工具这个场景里，真正常见的就四种：CRC32、MD5、SHA1、SHA256。咱们一个一个说。
4.2.1 CRC32——轻量级「体检员」
CRC32 不是严格意义上的哈希算法，但它干的事和哈希一样——校验数据完整性。它的特点是：快、极快、非常快。
我记得有一次做量产烧录工具优化，单颗芯片的烧录时间卡在 12 秒。换成 CRC32 校验后，直接降到 8.5 秒。为什么？CRC32 的硬件加速在很多 MCU 里是内置的，一个指令周期就算完了。
我的建议：CRC32 适合做「传输校验」——比如 UART、SPI、I2C 通信过程中的数据完整性检查。但不适合做「安全校验」，因为它太容易被碰撞了。
4.2.2 MD5——曾经的王者，现在的「警示牌」
MD5 在 90 年代是绝对的主流。128 位的输出长度，速度也快。但 2004 年之后，王小云团队找到了 MD5 的碰撞方法——你能构造两个不同的文件，让它们的 MD5 值一模一样。
你想想看，这意味着什么？攻击者可以给你一个恶意镜像，但 MD5 校验显示「通过」。我在 2018 年接手过一个遗留项目，还在用 MD5 做固件签名校验。我二话不说，直接让客户升级到 SHA256。这不是小题大做，这是底线问题。
警告：不要在安全相关的场景中使用 MD5。它只能用于非对抗性的数据完整性检查，比如下载后确认文件没被截断。
4.2.3 SHA1——正在退役的老将
SHA1 输出 160 位，比 MD5 长 32 位。曾经被认为是安全的。但 2017 年 Google 和 CWI 研究所成功实现了 SHA1 碰撞攻击（SHAttered 攻击）。从那以后，主流浏览器和操作系统都开始弃用 SHA1。
我个人习惯：新项目一律不用 SHA1。但如果你的芯片算力有限，且不涉及安全对抗（比如内部测试环境），SHA1 作为临时方案也不是不行。只是别让它进生产环境。
4.2.4 SHA256——当前的金标准
SHA256 是 SHA-2 家族的一员，输出 256 位。到目前为止，没有公开的可行碰撞攻击。它的计算速度比 SHA1 慢一些，但在现代 MCU 上完全可接受。
我在做 OTA 升级方案时，所有镜像的签名校验都强制使用 SHA256。为什么？因为安全不是「够用就行」，而是「万一出事你扛不扛得住」。用 SHA256，至少目前没人能让你在法庭上难堪。
| 算法 | 输出长度 | 速度 | 安全性 | 推荐场景 |
|---|---|---|---|---|
| CRC32 | 32 位 | 极快（硬件加速） | 低（易碰撞） | 传输校验、非安全场景 |
| MD5 | 128 位 | 快 | 低（已破解） | 仅限非对抗性检查 |
| SHA1 | 160 位 | 较快 | 中（已破解） | 遗留系统、低安全需求 |
| SHA256 | 256 位 | 中等 | 高（未破解） | 安全校验、签名验证 |
4.3 哈希算法的两大特性——不可逆性与唯一性
这两个特性是哈希算法的立身之本。理解它们，你才能明白为什么校验能「防篡改」。
4.3.1 不可逆性——单向的「单行道」
不可逆性，也叫单向性。意思是：从哈希值反推出原始数据，在计算上是不可行的。
举个例子：我给你一个 SHA256 值 a665a45920422f9d417e4867efdc4fb8a04a1f3fff1fa07e998e86f7f7a27ae3，你能猜出原始数据是什么吗？答案是 hello。但你不是「算」出来的，你是「猜」出来的——因为你得把所有可能的输入都试一遍。
为什么会这样？因为哈希函数在计算过程中做了大量的「信息压缩」。输入可能有无限多种，但输出只有固定长度。这必然导致信息丢失。丢失的信息，就再也找不回来了。
实际意义：不可逆性保证了「即使攻击者拿到了哈希值，也无法还原你的固件镜像」。这是安全校验的基石。
4.3.2 唯一性——「指纹」的可靠性
唯一性，更准确的说法是「抗碰撞性」。意思是：找到两个不同的输入，使它们产生相同的哈希值，在计算上是困难的。
注意我说的是「困难」，不是「不可能」。因为输出空间是有限的（比如 SHA256 只有 2^256 种可能），而输入空间是无限的。根据鸽巢原理，碰撞一定存在。只是好的哈希算法让找到碰撞的成本高到不现实。
我曾经在项目中遇到过一个问题：两个不同的固件版本，CRC32 值竟然一样。排查了半天才发现是 CRC32 的 32 位空间太小了，在几万次烧录中出现了碰撞。从那以后，我在所有需要「唯一标识」的场景里，都至少用 SHA1 起步。
避坑指南：如果你用哈希值做「文件唯一标识」（比如版本管理、增量更新），千万别用 CRC32 或 MD5。至少用 SHA256。我曾经见过一个团队用 CRC32 做固件版本号，结果两个不同版本冲突了，导致 OTA 升级错乱——那场面，真是灾难。
4.4 知识体系总览
下面这张图，把这一章的核心逻辑串起来了。你可以把它当作「哈希算法速查地图」。
4.5 小结
哈希算法不是魔法，它只是一个工具。选对工具，你的烧录校验才能既快又稳。选错工具，轻则浪费算力，重则埋下安全隐患。
我个人习惯的选型原则很简单：传输校验用 CRC32，安全校验用 SHA256，中间没有妥协方案。至于 MD5 和 SHA1，就让它们留在教科书里吧。