2、哈希函数基础：核心性质与定义

哈希函数（Hash Function）是密码学与安全通信的基石。它将任意长度的输入数据（消息）映射为固定长度的输出值，称为哈希值（Hash Value）、摘要（Digest）或指纹（Fingerprint）。本章系统阐述哈希函数的定义及其五大核心性质：单向性、抗碰撞性、雪崩效应、输出长度固定，以及抗第一/第二原像攻击。

2.1 哈希函数的数学定义

一个安全的密码学哈希函数 H 满足以下映射关系：

H : {0,1}* → {0,1}^n

其中 {0,1}* 表示任意长度的比特串，{0,1}^n 表示固定长度为 n 比特的输出空间。常见的输出长度 n 为 128（MD5，已不推荐）、160（SHA-1，已不推荐）、256（SHA-256）、384（SHA-384）、512（SHA-512）等。

2.2 五大核心性质详解

2.3 单向性与抗原像攻击

单向性是哈希函数最直观的性质。其数学表述为：对于任意概率多项式时间（PPT）敌手 A，存在可忽略函数 negl(n) 使得：

Pr[ A(1^n, H(m)) = m' 且 H(m') = H(m) ] ≤ negl(n)

这意味着攻击者即使拥有无限计算资源（在理论上），也只能通过穷举所有可能输入来尝试逆向，而输入空间（{0,1}*）是无限的，使得穷举在计算上不可行。

单向性在实际应用中的典型场景：

• 密码存储： 系统只存储密码的哈希值，不存储明文密码。即使数据库泄露，攻击者也无法还原原始密码。
• 文件完整性校验： 发布者提供文件的哈希值，下载者计算本地文件的哈希值并比对，确保文件未被篡改。
• 数字承诺： 先发布哈希值作为承诺，后续再揭示原始消息，确保承诺不可抵赖。

2.4 抗碰撞性：强抗碰撞与弱抗碰撞

抗碰撞性分为两个层次，其安全强度不同：

2.5 雪崩效应：严格雪崩准则

雪崩效应（Avalanche Effect）是衡量哈希函数混淆与扩散能力的重要指标。严格雪崩准则（SAC, Strict Avalanche Criterion）要求：

• 输入中任意 1 比特的变化，输出中每个比特位以 1/2 的概率翻转。
• 输出比特之间的变化应相互独立，无统计相关性。
• 经过多轮迭代后，输入的任何局部模式都应被彻底扩散到整个输出空间。

以下 Python 代码演示了雪崩效应的测试方法：

import hashlib
import os

def avalanche_test(message: bytes, hash_func: str = 'sha256') -> float:
    """计算翻转输入中第0个字节的LSB后，输出哈希值的变化比特比例"""
    h1 = hashlib.new(hash_func, message).digest()
    # 翻转第一个字节的最低位
    flipped = bytearray(message)
    flipped[0] ^= 0x01
    h2 = hashlib.new(hash_func, bytes(flipped)).digest()
    
    # 计算不同比特数
    diff_bits = 0
    for b1, b2 in zip(h1, h2):
        xor = b1 ^ b2
        diff_bits += bin(xor).count('1')
    
    total_bits = len(h1) * 8
    return diff_bits / total_bits

# 测试随机消息
msg = os.urandom(32)
ratio = avalanche_test(msg)
print(f"雪崩效应比特变化比例: {ratio:.4f} (期望值: 0.5000)")
# 输出示例: 雪崩效应比特变化比例: 0.4922 (期望值: 0.5000)

2.6 输出长度固定与安全强度

输出长度直接决定了哈希函数的安全强度。下表总结了常见哈希函数的输出长度与对应的安全级别：

2.7 哈希函数核心性质关系图

下图展示了哈希函数五大核心性质之间的逻辑关系与依赖层次：

2.8 哈希函数与完整性校验的关系

哈希函数的五大核心性质共同构成了完整性校验的安全基础：

• 输出长度固定 使得哈希值可以作为数据的固定长度指纹，便于存储和传输。
• 单向性 确保即使攻击者知道哈希值，也无法还原原始数据，保护数据隐私。
• 抗碰撞性 保证不同的数据几乎不可能产生相同的哈希值，从而哈希值可以唯一标识数据内容。
• 雪崩效应 确保数据的任何微小修改都会导致哈希值发生不可预测的巨大变化，使得篡改行为可以被立即检测。

2.9 常见哈希函数对比

2.10 本章小结