Función de Hash

Una función hash es un algoritmo que toma datos de cualquier tamaño como entrada y los transforma en un valor de tamaño fijo, denominado huella digital, hash o valor hash. Esta transformación está diseñada para ser difícil de invertir: por lo general, no es posible recuperar directamente los datos originales a partir del hash. Las funciones hash se utilizan especialmente en informática y criptografía para verificar la integridad de los datos y proteger las contraseñas.

Un hash es la huella digital resultante de una función hash.

El hash permite identificar los datos iniciales con un alto grado de probabilidad sin necesidad de almacenarlos. Esto permite verificar una contraseña sin tener que conocerla en texto plano.

Los pequeños cambios en los datos de entrada provocan cambios drásticos en el hash resultante. Esto ayuda a garantizar la integridad de los datos y permite comprobar si han sido modificados.

Las funciones hash procesan datos informáticos en formato binario y aplican operaciones no lineales y no reversibles con un fuerte efecto avalancha (el resultado es muy diferente incluso cuando los datos de entrada son muy similares). La huella digital suele representarse mediante caracteres hexadecimales.

El principio del hash consiste en que la operación sea difícil de invertir. No existe un algoritmo de descifrado que permita recuperar directamente los datos originales. Por eso las funciones hash se utilizan para almacenar contraseñas: se guarda un hash de verificación, en lugar de una contraseña cifrada que pueda descifrarse.

Las funciones hash realizan numerosas operaciones para dificultar la recuperación de los datos de entrada.

En teoría, un ataque por fuerza bruta puede probar todas las cadenas binarias posibles, pero incluso un mensaje corto de 6 bytes representa 281 billones de combinaciones. Incluso con procesadores rápidos capaces de realizar millones de cálculos hash por segundo, probar todas las posibilidades para encontrar una entrada que corresponda a un hash puede llevar días, meses o años.

Sin embargo, los usuarios suelen reutilizar contraseñas y tienden a elegir determinados caracteres y combinaciones. Por ello, es posible almacenar las cadenas más probables y sus hashes correspondientes en un diccionario muy grande. Las tablas arcoíris son otra técnica: utilizan cálculos precalculados y cadenas de reducción para acelerar determinadas búsquedas de correspondencias entre hashes y posibles entradas.

Una colisión de hash se produce cuando dos entradas diferentes generan el mismo valor hash. Como el hash tiene un tamaño fijo, mientras que los datos de entrada pueden tener cualquier longitud, las colisiones existen necesariamente en teoría.

Las funciones hash criptográficas están diseñadas para que resulte extremadamente difícil encontrar dos entradas diferentes que produzcan el mismo hash. Una colisión explotable puede comprometer determinadas aplicaciones criptográficas, incluidas las firmas digitales. MD5 y SHA-1 son vulnerables a los ataques por colisión y ya no se recomiendan para aplicaciones que requieren resistencia a las colisiones.

Un ataque de diccionario, un ataque por fuerza bruta y una tabla arcoíris son tres métodos diferentes para buscar una entrada que pueda producir un hash determinado.

Un ataque de diccionario prueba una lista de palabras, contraseñas comunes o combinaciones probables. Aprovecha el hecho de que los usuarios suelen elegir contraseñas predecibles.

Un ataque por fuerza bruta prueba sistemáticamente todas las combinaciones posibles dentro de un espacio de búsqueda determinado. Su coste aumenta considerablemente con la longitud y la complejidad de la contraseña.

Una tabla arcoíris utiliza cálculos precalculados y cadenas de reducción para acelerar determinadas búsquedas de correspondencias entre hashes y posibles entradas. Requiere cálculos y almacenamiento previos y no es simplemente una lista exhaustiva de todas las palabras y sus hashes.

Un hash puede adoptar muchas formas, pero las más habituales son las cadenas hexadecimales: 32 caracteres de 0123456789abcdef para MD5, 40 para SHA-1 y 64 para SHA-256, etc.

El formato de hash modular utilizado por algunas implementaciones de crypt() emplea el símbolo $ seguido de campos que pueden indicar el algoritmo utilizado y sus posibles parámetros.

dCode dispone de un identificador de hash.

Las tablas arcoíris (enormes bases de datos de correspondencias entre hashes y contraseñas) crecen continuamente y acumulan contraseñas robadas de diversos sitios web. Aprovechando la capacidad de cálculo de los ordenadores modernos, pueden ayudar a recuperar contraseñas cortas en minutos u horas.

Para contrarrestar esta técnica, se recomienda añadir una sal (caracteres como prefijo o sufijo) a la contraseña. De este modo, las tablas precalculadas deben volver a calcularse para tener en cuenta la sal, que modifica los hashes resultantes. Este proceso se denomina salado, y las contraseñas se consideran saladas.

El coste mide los recursos necesarios para calcular un hash. Para dificultar la creación de tablas arcoíris, es posible aumentar el coste de determinadas funciones hash, de modo que los cálculos tarden varios milisegundos o incluso segundos, lo que encarece considerablemente los ataques.

bcrypt es un algoritmo de hash de contraseñas que utiliza un coste de cálculo configurable. El algoritmo incorpora de forma nativa los conceptos de sal y coste.

Un hash seguro para almacenar contraseñas se calcula con un coste computacional elevado, lo que hace que el proceso sea más lento y requiera más recursos. Esto dificulta los ataques por fuerza bruta y de diccionario.

En cambio, un hash rápido se calcula con mayor rapidez, pero puede ser más vulnerable a los ataques cuando se utiliza para almacenar contraseñas. MD5 y SHA-1 también presentan debilidades criptográficas y ya no se recomiendan para aplicaciones que requieren resistencia a las colisiones.

Para almacenar contraseñas, es preferible utilizar algoritmos específicos como Argon2id, bcrypt, scrypt o PBKDF2.