什么是 MD5
MD5 是一种算法, MD5 中的 MD 代表 Message Digest, 也即信息摘要.
至于数字 5, 则因它是从更早的 MD4 算法改进而来, 因此得名 MD5.
所以 MD5 即是信息摘要算法第五版.
什么是信息摘要算法
那什么又是信息摘要算法呢? 它本质上就是一个哈希函数(hash function).
又叫散列函数.
那什么又是哈希函数呢? 它是指这样一种函数: 它能把任意大小的数据映射(map)为一个固定大小的值.
A hash function is any function that can be used to map data of arbitrary size to fixed-size values.
哈希函数所返回的这个值称为哈希值(hash value), 又称为哈希码(hash codes), 或直接简称为哈希(hash).
具体例子
单纯地这样去讲会比较抽象, 因此这里引入具体例子来说明, 以 Java 为例, 可以这样去计算 MD5:
- public void rawMd5() throws NoSuchAlgorithmException {
- byte[] bytes = "hello".getBytes(StandardCharsets.UTF_8);
- MessageDigest md = MessageDigest.getInstance("MD5");
- byte[] md5 = md.digest(bytes);
- }
注: 因为摘要计算的输入是一个字节数组, 如果要计算字符串的摘要值, 则要转成某种编码的字节数组, 为保持一致, 应始终显式使用同一种编码, 比如 utf-8.
从以上代码中也不难看出, 一个 MD5 函数的输入和输出都是字节数组 byte[].
而代码中不能直接体现的一点则是: 输入可以是任意大小的字节数组, 输出则是固定大小的字节数组.
对于 MD5 算法而言, 这个输出值是一个固定大小为 16 字节的数组, 然后因为每个字节(byte)有 8 个位(bit), 所以最终的输出值是一个 16 × 8 = 128 位的二进制数. MD5 的值就是一个 128 位的二进制大整数.
比如下面就是一个具体的 MD5 的值, 以原始的 128 位二进制形式表示: 10001000100100011001000111110000100011111000000111010010110010101100010111101010000110011011110000111011111101111101100110111110
这个 MD5 值实际是对我的网站域名 xiaogd.net 作摘要的结果.
这个值的二进制形式实在是长得不要不要的, 所以一般会转换为十六进制形式, 共 16 组具体为: 88 91 91 f0 8f 81 d2 ca c5 ea 19 bc 3b f7 d9 be. 依然还是很长, 但比二进制好多了.
随便说一句, IPv6 的地址也是 128 bit 的, 所以也是像这般变态的长, 写成 16 进制也还是很长, 压根记不住...
最后通常还会去掉空格写成一个紧凑的 32 个字符的字符串的形式: 889191f08f81d2cac5ea19bc3bf7d9be, 也即是我们最常见到的 MD5 值的形式.
但请不要误解, MD5 的值并不是一个字符串, 更不是什么字母都能出现在里边的.
本文中一个“字”是32位，一个“字节”是8位。
我们定义x_i代表“x减去I".如果减数是一个表达式，则用括号括住，如：x_{i+1}。同样我们用^代表求幂，这样x^i则代表x的i次幂。“+”代表“字”之间的相加，X<<< s代表X左移s位，not(X)表示对X进行按位补运算，X v Y表示按位或。X xor Y表示按位异或，XY表示按位与。
我们假设有一个b位长的信息作为输入，然后我们算出他的摘要信息。b是一个非负整数，b有可能是0，不需要一定是8的倍数，可能会非常得大。我们将输入信息描绘如下：
m_0 m_1 .. m_{b-1}
接下来的五步我们来算出它的摘要。
1、 填充
我们将输入信息填充到长度对512取余对于448。无论输入信息的长度多少，填充总是会发生的，即使本身的长度就已经满足模512对于448的情况下。
过程如下：
在输入信息后添加一个“1”位，其余添加“0”位使得输入信息长度满足对512取余对于448。总的来说，至少添加一位，至多添加512位。
举个例子：66
2、 补充数据长度
将输入信息b用64位表示并添加到填充的数据之后，如果b大于2^64的话，则只取低64位。
至此，我们的处理结果刚好是512的倍数，等效的，也是16字的倍数，我们用M[0...N-1]来表示这个结果，其中N是16的倍数。
3、 初始化MD缓冲区
用一个四字的缓冲区（A,B,C,D）来计算消息摘要，这里的A，B，C，D每一个都是一个32位的寄存器。这些寄存器的初始值如下，用16进制表示的，低位字节优先。
- word A: 01 23 45 67
- word B: 89 ab dc ed
- word C: fe dc ba 98
- word D: 76 54 32 10
4、 处理消息
我们首先需要定义四个辅助函数。
- F(X,Y,Z) = XY v not(X) Z
- G(X,Y,Z) = XZ v Y not(Z)
- H(X,Y,Z) = X xor Y xor Z
- I(X,Y,Z) = Y xor (X v not(Z))
对于函数F来说，在每一位上F函数就像是一个选择器：if X then Y else Z。
这一步需要一个64长度的表格T[1...64],由sin函数构造而成。T[i]是4294967296次运行abs(sin(i))的结果，以此类推即可。
我们需要进行一下处理
-
- For i = 0 to N/16-1 do
-
- For j = 0 to 15 do
- Set X[j] to M[i*16+j].
- end
-
- AA = A
- BB = B
- CC = C
- DD = D
-
-
- [ABCD 0 7 1] [DABC 1 12 2] [CDAB 2 17 3] [BCDA 3 22 4]
- [ABCD 4 7 5] [DABC 5 12 6] [CDAB 6 17 7] [BCDA 7 22 8]
- [ABCD 8 7 9] [DABC 9 12 10] [CDAB 10 17 11] [BCDA 11 22 12]
- [ABCD 12 7 13] [DABC 13 12 14] [CDAB 14 17 15] [BCDA 15 22 16]
-
-
- [ABCD 1 5 17] [DABC 6 9 18] [CDAB 11 14 19] [BCDA 0 20 20]
- [ABCD 5 5 21] [DABC 10 9 22] [CDAB 15 14 23] [BCDA 4 20 24]
- [ABCD 9 5 25] [DABC 14 9 26] [CDAB 3 14 27] [BCDA 8 20 28]
- [ABCD 13 5 29] [DABC 2 9 30] [CDAB 7 14 31] [BCDA 12 20 32]
-
-
- [ABCD 5 4 33] [DABC 8 11 34] [CDAB 11 16 35] [BCDA 14 23 36]
- [ABCD 1 4 37] [DABC 4 11 38] [CDAB 7 16 39] [BCDA 10 23 40]
- [ABCD 13 4 41] [DABC 0 11 42] [CDAB 3 16 43] [BCDA 6 23 44]
- [ABCD 9 4 45] [DABC 12 11 46] [CDAB 15 16 47] [BCDA 2 23 48]
-
-
- [ABCD 0 6 49] [DABC 7 10 50] [CDAB 14 15 51] [BCDA 5 21 52]
- [ABCD 12 6 53] [DABC 3 10 54] [CDAB 10 15 55] [BCDA 1 21 56]
- [ABCD 8 6 57] [DABC 15 10 58] [CDAB 6 15 59] [BCDA 13 21 60]
- [ABCD 4 6 61] [DABC 11 10 62] [CDAB 2 15 63] [BCDA 9 21 64]
- A = A + AA
- B = B + BB
- C = C + CC
- D = D + DD
- end
5、 输出
上一步输出最终的结果A，B，C，D。我们从A的低位字节开，到D的高位字节结束，每一个都是32位，最终拼接的结果就是4*32 = 128位，这就是MD5结算的结果。
