哈希算法：MD5和SHA家族
在web应用中，我们经常和哈希算法打交道。比如，将用户的密码进行 hash 处理后存入数据库、生成和校验下载文件的 MD5 校验和等等。本篇聊聊在Java中，如何解决常见的哈希算法问题。
Hash算法及其特点
Hash（哈希），又称“散列”，基本上，在任何一门编程语言中，都会涉及到哈希函数。它将任意长度的输入通过Hash算法变换成固定长度的输出（散列值），也就是说，无论输入长度有多长，最终都会生成固定长度的输出，所以，这种转换是一种压缩映射。另外，数据一旦被Hash处理后，无法通过逆向处理来得到原始输入值，这样，就保证了原始数据的安全性。
总结一下，其主要特点是：
- 确定性：对于同一个输入，无论在什么时候、什么地方、用什么设备计算，得到的输出都是相同的。
- 不可逆性：给定一个输出，无法推算出输入，只能通过穷举法来尝试找到输入。
- 敏感性：如果输入稍微改变了一点点，那么经过哈希算法，得到的输出将会变得面目全非。
- 碰撞抵抗性：很难找到两个不同的输入，使得它们经过哈希算法得到相同的输出。
MD5和SHA家族
Hash是一种思想，其具体的算法实现中，常见的有MD5和SHA家族（SHA-1，SHA-256，SHA-512等），MD5算法在早期非常流行，但是，现在已经被证明为其不安全，在安全性有要求的场景下，不要使用该算法，它的输出由四个32位分组组成，通过将这四个分组组合后，最终生成一个128位散列值。
SHA是Secure Hash Algorithm的简称，分别是SHA-1、SHA-224、SHA-256、SHA-384，和SHA-512，后四者有时并称为SHA-2，SHA-1已经被证实不安全，所以，现在一般较少使用，使用较多的是SHA-256等SHA-2。
哈希算法具有广泛的应用，下面来举三个例子来说明。
应用一：密码hash处理
当用户注册时，拿到用户传递过来的密码后，一般不会将这个密码直接存入数据库中，因为明文的密码非常敏感，一旦数据库泄露，那么，用户的密码就会被直接看到，所以，在存入数据库前，会对用户的密码进行hash处理，如下：
String password = "abc";
try {
MessageDigest digest = MessageDigest.getInstance("SHA-256");
byte[] hashBytes = digest.digest(password.getBytes());
// 将字节数组转换为十六进制字符串
StringBuilder sb = new StringBuilder();
for (byte b : hashBytes) {
String hex = Integer.toHexString(0xff & b);
if (hex.length() == 1) {
sb.append('0');
}
sb.append(hex);
}
System.out.println(sb); // 存入数据库中
} catch (NoSuchAlgorithmException e) {
System.err.println("SHA-256 algorithm not found!");
}上面代码中，首先使用 MessageDigest.getInstance("SHA-256") 得到 digest 对象。接着，调用 digest() 方法得到签名的字节数组。最后，将值转换为十六进制格式。我们使用的是sha256算法，它会生成256bit的散列值，如果用十六进制字符串表示，长度是64，因此，上面我们得到的字符串长度为64。
请注意，上面的处理方式有一个缺陷：它使用固定的 secret 进行计算，容易被撞库解密。为了提高安全性，我们可以选择更安全的HmacSHA256，它可接受一个自定义 secret：
public static void main(String[] args) {
String secret = "your_secret";
String password = "abc";
try {
Mac mac = Mac.getInstance("HmacSHA256");
var secretKeySpec = new SecretKeySpec(secret.getBytes(), "HmacSHA256");
mac.init(secretKeySpec);
// 计算HMAC-SHA256
byte[] hash = mac.doFinal(password.getBytes());
// 将结果转换为十六进制字符串
StringBuilder hexString = new StringBuilder();
for (byte b : hash) {
String hex = Integer.toHexString(0xff & b);
if (hex.length() == 1) {
hexString.append('0');
}
hexString.append(hex);
}
System.out.println(hexString);
} catch (Exception e) {
e.printStackTrace();
}
}除非 secret 被泄露，否则，基本不可能通过撞库来破解，极大地加强了应用的安全性。
应用二：生成MD5校验和
在从某些网站下载文件时，网站会提供一个MD5校验值或sha256值。比如，从ubuntu中国镜像站（上海交通大学）中下载iso文件时，还提供了一个MD5SUMS文件，其内容如下：
里面显示了每个下载文件的MD5值，当我们下载好文件后，通过下载后的文件在本地生成MD5值（用第三方工具），或使用如下代码来生成：
public String createMd5() throws IOException, NoSuchAlgorithmException {
var path = Paths.get("resources/wubi.exe");
byte[] fileData = Files.readAllBytes(path);
var md5 = MessageDigest.getInstance("MD5");
byte[] md5Bytes = md5.digest(fileData);
// 转换为16进制字符串
var sb = new StringBuilder();
for (byte b : md5Bytes) {
sb.append(String.format("%02x", b));
}
return sb.toString();
}得到的值为：b31731ea6cdbebe1d02f8193db420886。对比发现，我们生成的MD5值和网站上提供的MD5值是一样的，则可以确保这个wubi.exe文件的完整性，没有被篡改，可以安全使用。
注意：正如上面所说，MD5并不安全，所以，最好校验其sha256值，而不是MD5值。
应用三：垃圾邮件过滤
在电子邮件中，如何对垃圾邮件进行过滤呢？哈希算法也可以派上用场，思路如下：
- 建立一个邮件 MD5 值资料库，分别储存邮件的 MD5 值、允许出现的次数（假定为 3）和出现次数（初值为零）。
- 对每一封收到的邮件，将它的正文部分进行MD5 计算，得到 MD5 值，将这个值在资料库中进行搜索。
- 如未发现相同的 MD5 值，说明此邮件是第一次收到，将此 MD5 值存入资料库，并将出现次数置为1，转到第五步。
- 如发现相同的 MD5 值，说明收到过同样内容的邮件，将出现次数加 1，并与允许出现次数相比较，如小于允许出现次数，就转到第五步。否则中止接收该邮件，结束。
- 接收该邮件。