共计 3991 个字符，预计需要花费 10 分钟才能阅读完成。
哈希算法（Hash）又称摘要算法（Digest），它的作用是：对任意一组输入数据进行计算，得到一个固定长度的输出摘要。
哈希算法最重要的特点就是：
- 相同的输入一定得到相同的输出；
- 不同的输入大概率得到不同的输出。
哈希算法的目的就是为了验证原始数据是否被篡改。
Java 字符串的 hashCode() 就是一个哈希算法，它的输入是任意字符串，输出是固定的 4 字节 int 整数：
"hello".hashCode(); // 0x5e918d2
"hello, java".hashCode(); // 0x7a9d88e8
"hello, bob".hashCode(); // 0xa0dbae2f
两个相同的字符串永远会计算出相同的 hashCode，否则基于hashCode 定位的 HashMap 就无法正常工作。这也是为什么当我们自定义一个 class 时，覆写 equals() 方法时我们必须正确覆写 hashCode() 方法。
哈希碰撞
哈希碰撞是指，两个不同的输入得到了相同的输出：
"AaAaAa".hashCode(); // 0x7460e8c0
"BBAaBB".hashCode(); // 0x7460e8c0
有童鞋会问：碰撞能不能避免？答案是不能。碰撞是一定会出现的，因为输出的字节长度是固定的，String的 hashCode() 输出是 4 字节整数，最多只有 4294967296 种输出，但输入的数据长度是不固定的，有无数种输入。所以，哈希算法是把一个无限的输入集合映射到一个有限的输出集合，必然会产生碰撞。
碰撞不可怕，我们担心的不是碰撞，而是碰撞的概率，因为碰撞概率的高低关系到哈希算法的安全性。一个安全的哈希算法必须满足：
- 碰撞概率低；
- 不能猜测输出。
不能猜测输出是指，输入的任意一个 bit 的变化会造成输出完全不同，这样就很难从输出反推输入（只能依靠暴力穷举）。假设一种哈希算法有如下规律：
hashA("java001") = "123456"
hashA("java002") = "123457"
hashA("java003") = "123458"
那么很容易从输出 123459 反推输入，这种哈希算法就不安全。安全的哈希算法从输出是看不出任何规律的：
hashB("java001") = "123456"
hashB("java002") = "580271"
hashB("java003") = ???
常用的哈希算法有：
| 算法 | 输出长度（位） | 输出长度（字节） |
|---|---|---|
| MD5 | 128 bits | 16 bytes |
| SHA-1 | 160 bits | 20 bytes |
| RipeMD-160 | 160 bits | 20 bytes |
| SHA-256 | 256 bits | 32 bytes |
| SHA-512 | 512 bits | 64 bytes |
根据碰撞概率，哈希算法的输出长度越长，就越难产生碰撞，也就越安全。
Java 标准库提供了常用的哈希算法，并且有一套统一的接口。我们以 MD5 算法为例，看看如何对输入计算哈希：
import java.security.MessageDigest;
import java.util.HexFormat;
public class Main {public static void main(String[] args) throws Exception {// 创建一个 MessageDigest 实例:
MessageDigest md = MessageDigest.getInstance("MD5");
// 反复调用 update 输入数据:
md.update("Hello".getBytes("UTF-8"));
md.update("World".getBytes("UTF-8"));
byte[] result = md.digest(); // 16 bytes: 68e109f0f40ca72a15e05cc22786f8e6
System.out.println(HexFormat.of().formatHex(result));
}
}
使用 MessageDigest 时，我们首先根据哈希算法获取一个 MessageDigest 实例，然后，反复调用 update(byte[]) 输入数据。当输入结束后，调用 digest() 方法获得 byte[]数组表示的摘要，最后，把它转换为十六进制的字符串。
运行上述代码，可以得到输入 HelloWorld 的 MD5 是68e109f0f40ca72a15e05cc22786f8e6。
哈希算法的用途
因为相同的输入永远会得到相同的输出，因此，如果输入被修改了，得到的输出就会不同。
我们在网站上下载软件的时候，经常看到下载页显示的哈希：
如何判断下载到本地的软件是原始的、未经篡改的文件？我们只需要自己计算一下本地文件的哈希值，再与官网公开的哈希值对比，如果相同，说明文件下载正确，否则，说明文件已被篡改。
哈希算法的另一个重要用途是存储用户口令。如果直接将用户的原始口令存放到数据库中，会产生极大的安全风险：
- 数据库管理员能够看到用户明文口令；
- 数据库数据一旦泄漏，黑客即可获取用户明文口令。
不存储用户的原始口令，那么如何对用户进行认证？
方法是存储用户口令的哈希，例如，MD5。
在用户输入原始口令后，系统计算用户输入的原始口令的 MD5 并与数据库存储的 MD5 对比，如果一致，说明口令正确，否则，口令错误。
因此，数据库存储用户名和口令的表内容应该像下面这样：
| username | password |
|---|---|
| bob | f30aa7a662c728b7407c54ae6bfd27d1 |
| alice | 25d55ad283aa400af464c76d713c07ad |
| tim | bed128365216c019988915ed3add75fb |
这样一来，数据库管理员看不到用户的原始口令。即使数据库泄漏，黑客也无法拿到用户的原始口令。想要拿到用户的原始口令，必须用暴力穷举的方法，一个口令一个口令地试，直到某个口令计算的 MD5 恰好等于指定值。
使用哈希口令时，还要注意防止彩虹表攻击。
什么是彩虹表？难道是这个：
上面讲到了，如果只拿到 MD5，从 MD5 反推明文口令，只能使用暴力穷举的方法。
然而黑客并不笨，暴力穷举会消耗大量的算力和时间。但是，如果有一个预先计算好的常用口令和它们的 MD5 的对照表：
| 常用口令 | MD5 |
|---|---|
| hello123 | f30aa7a662c728b7407c54ae6bfd27d1 |
| 12345678 | 25d55ad283aa400af464c76d713c07ad |
| passw0rd | bed128365216c019988915ed3add75fb |
| 19700101 | 570da6d5277a646f6552b8832012f5dc |
| … | … |
| 20201231 | 6879c0ae9117b50074ce0a0d4c843060 |
这个表就是彩虹表。如果用户使用了常用口令，黑客从 MD5 一下就能反查到原始口令：
bob 的 MD5：f30aa7a662c728b7407c54ae6bfd27d1，原始口令：hello123；
alice 的 MD5：25d55ad283aa400af464c76d713c07ad，原始口令：12345678；
tim 的 MD5：bed128365216c019988915ed3add75fb，原始口令：passw0rd。
这就是为什么不要使用常用密码，以及不要使用生日作为密码的原因。
即使用户使用了常用口令，我们也可以采取措施来抵御彩虹表攻击，方法是对每个口令额外添加随机数，这个方法称之为加盐（salt）：
digest = md5(salt+inputPassword)
经过加盐处理的数据库表，内容如下：
| username | salt | password |
|---|---|---|
| bob | H1r0a | a5022319ff4c56955e22a74abcc2c210 |
| alice | 7$p2w | e5de688c99e961ed6e560b972dab8b6a |
| tim | z5Sk9 | 1eee304b92dc0d105904e7ab58fd2f64 |
加盐的目的在于使黑客的彩虹表失效，即使用户使用常用口令，也无法从 MD5 反推原始口令。
SHA-1
SHA- 1 也是一种哈希算法，它的输出是 160 bits，即 20 字节。SHA- 1 是由美国国家安全局开发的，SHA 算法实际上是一个系列，包括 SHA-0（已废弃）、SHA-1、SHA-256、SHA-512 等。
在 Java 中使用 SHA-1，和 MD5 完全一样，只需要把算法名称改为"SHA-1"：
import java.security.MessageDigest;
import java.util.HexFormat;
public class Main {public static void main(String[] args) throws Exception {// 创建一个 MessageDigest 实例:
MessageDigest md = MessageDigest.getInstance("SHA-1");
// 反复调用 update 输入数据:
md.update("Hello".getBytes("UTF-8"));
md.update("World".getBytes("UTF-8"));
byte[] result = md.digest(); // 20 bytes: db8ac1c259eb89d4a131b253bacfca5f319d54f2
System.out.println(HexFormat.of().formatHex(result));
}
}
类似的，计算 SHA-256，我们需要传入名称"SHA-256"，计算 SHA-512，我们需要传入名称"SHA-512"。Java 标准库支持的所有哈希算法可以在这里查到。
注意
MD5 因为输出长度较短，短时间内破解是可能的，目前已经不推荐使用。
小结
哈希算法可用于验证数据完整性，具有防篡改检测的功能；
常用的哈希算法有 MD5、SHA- 1 等；
用哈希存储口令时要考虑彩虹表攻击。
