哈希函数的分类、原理与常见误区

本文主要讨论两个问题：一是哈希函数有哪些？二是能用同样的哈希函数反向还原原始内容否？

一、哈希函数有哪些？（分类及代表）

哈希函数按用途主要分为三大类：

1)加密型哈希函数（安全/防篡改）：用于数字签名、文件完整性校验、区块链。要求抗碰撞性极强（难以找到两个不同输入产生相同输出）。经典代表：

MD5（已破解，不安全，输出 128 位（32 位十六进制），存在碰撞漏洞，不可用于加密校验，仅可做简易文件标识）、

SHA-1（已弃用，被证明可构造碰撞，数字证书已淘汰）、

SHA-2（目前主流，如SHA-256，比特币所用，区块链、文件校验、密码存储最常用）

SHA-3（最新标准，新一代标准，抗量子攻击能力更强，包含 SHA3-224/256/384/512）。

2)非加密型哈希函数（查重指纹/快速定位/分片）：用于哈希表、分片、数据库索引、负载均衡（一致性哈希）。要求速度快、分布均匀，不要求防碰撞（碰撞了再解决冲突就行）。经典代表：MurmurHash、CityHash（Google出品）、XXHash、FNV-1a。这些速度极快，但完全不安全，可被恶意构造碰撞。

3)密码学慢哈希函数（存密码）：用于存储用户登录密码。要求计算极慢（故意慢下来防暴力破解）。经典代表：bcrypt、PBKDF2、scrypt、Argon2（密码哈希大赛冠军）。

二、能用同样的哈希函数反向处理出原始内容吗？

先给答案是不行。哪怕用同样的哈希函数，也永远无法“反向处理”出原始内容。

这不是技术没到位，而是数学逻辑上的根本不可能。原因有三层：

第一层：信息丢失（鸽巢原理/压缩）

哈希函数的输出长度是固定的（比如SHA-256永远输出256位），而输入内容可以是无限长的（比如一部100GB的电影）。

想象一下：有无数个不同的输入，但会都被映射到有限的“输出盒子”里。

必然存在无数个不同的原始内容，对应着同一个哈希值。拿到一个哈希值，即便反向计算，也只能得到“无数种可能答案之一”，而无法确定到底是哪一个。补充一点：SHA-256输出256位，是为了减少这种不同内容输出一个哈希值的发生概率，256位的相同概率极低。

第二层：单向陷门（数学不可逆）

好的加密哈希函数在设计上就是单向函数。它的计算过程包含大量位运算（如循环移位、异或、非线性S盒替换）。

数学上，正向计算是\( y = f(x) \)，非常简单。

但要求解\( x = f^{-1}(y) \)，会面临极其复杂的模逆运算和多元高次方程组，计算复杂度是指数级的，在宇宙毁灭前都算不完。

第三层：极简逻辑实验

用MD5对“123456”哈希，结果是 `e10adc3949ba59abbe56e057f20f883e`。哈希函数的算法里，根本没有存储“减法”、“除法”或“逆向查表”的指令。它只定义了“怎么把原始数据搅拌成乱码”，但从未定义“怎么把乱码搅拌回原始数据”。算法本身就是“只进不出”的。

一个常见疑问：那为什么网上有“在线解密MD5”的网站？

这会造成严重的认知混淆。那些网站不是“反向计算”，而是“暴力碰撞查询”。

它们提前用巨大的算力，把所有常见的密码（如123456、password）的正向哈希值算出来，存进一个巨大的数据库（彩虹表）。

输入`e10adc3949ba59abbe56b057f20f883e`，它只是在数据库里查到了对应的 `123456`。

如果原始内容足够复杂，比如是“今天天气真好且包含特殊字符”，那个数据库里没有，它就永远解不出来。

三、核心结论

哈希绝不用于“还原内容”。哈希只三两件事：

1. 唯一性校验：文件没变过。

2. 身份比对：输入的密码哈希后是否和库里的一致。

3. 快速定位：用于哈希表、数据库索引、负载均衡

哈希函数是“粉碎机”而不是“保险柜”。保险柜（加密）有钥匙，可以反向打开，粉碎机（哈希）把文件搅成纸屑，永远无法拼回原样。只能通过把另一份文件也搅碎，对比纸屑的花纹（哈希值）是否相同，来确认“这两份原件是不是一模一样”。

四、文章快速回顾

文章至此。