¿Qué es exactamente (y precisamente) "hash"?

He escuchado que la palabra "hash" se usa en diferentes contextos (todos dentro del mundo de la informática) con diferentes significados. Por ejemplo, en el libro Learn Python the Hard Way, en el capítulo sobre diccionarios se dice "Python los llama" dictos ". Otros idiomas los llaman" hashes "." Entonces, ¿son los diccionarios hash?

El otro uso común de la palabra está relacionado con el cifrado. También he escuchado (y leído) personas que usan la palabra "hash" como una función específica dentro de la programación de alto nivel.

¿Entonces, qué es esto exactamente?

¿Alguien (con tiempo y con conocimiento) puede explicar amablemente los detalles de "hash (o hashes)"?

El artículo de Wikipedia sobre funciones hash es muy bueno, pero aquí daré mi opinión.

¿Qué es un hash?

"Hash" es realmente un término amplio con diferentes significados formales en diferentes contextos. No hay una sola respuesta perfecta a su pregunta. Explicaré el concepto subyacente general y mencionaré algunos de los usos más comunes del término.

Un "hash" es una función denominada función hash$h$ que toma como objetos de entrada y da salida a una cadena o un número. Los objetos de entrada suelen ser miembros de tipos de datos básicos como cadenas, enteros o más grandes compuestos de otros objetos como estructuras definidas por el usuario. La salida es típicamente un número o una cadena. El sustantivo "hash" a menudo se refiere a esta salida. El verbo "hash" a menudo significa "aplicar una función hash". Las principales propiedades que debe tener una función hash son:

1. Debería ser fácil de calcular y
2. Los resultados deben ser relativamente pequeños.

Ejemplo:

Digamos que queremos numerar hash en el rango de 0 a 999,999,999 para numerar entre 0 y 99. Una función hash simple puede ser $h(x) = x \mod 100$ .

Propiedades adicionales comunes:

Dependiendo del caso de uso, podríamos querer que la función hash satisfaga propiedades adicionales. Aquí hay algunas propiedades adicionales comunes:

1. Uniformidad : a menudo queremos que los hashes de los objetos sean distintos. Además, podemos querer que los hashes se "extiendan". Si quiero dividir algunos objetos en 100 cubos (por lo que la salida de mi función hash es un número de 0 a 99), entonces generalmente espero que aproximadamente 1/100 de los objetos caigan en el cubo 0, aproximadamente 1/100 en cubo 1, y así sucesivamente.

2. Resistencia de colisión criptográfica : a veces esto se lleva aún más lejos, por ejemplo, en criptografía, es posible que desee una función hash de tal manera que sea computacionalmente difícil para un adversario encontrar dos entradas diferentes que se asignen a la misma salida.

3. Compresión : a menudo quiero dividir entradas arbitrariamente grandes en una salida de tamaño constante o un número fijo de cubos.

4. Determinismo : es posible que desee una función hash cuya salida no cambie entre ejecuciones, es decir, la salida de la función hash en el mismo objeto siempre será la misma. Puede parecer que esto entra en conflicto con la uniformidad anterior, pero una solución es elegir la función hash aleatoriamente una vez, y no cambiarla entre ejecuciones.

Algunas aplicaciones

Una aplicación común está en las estructuras de datos, como una tabla hash, que son una forma de implementar diccionarios. Aquí, asigna algo de memoria, por ejemplo, 100 "cubos"; luego, cuando se le pide que almacene un par (clave, valor) en el diccionario, inserta la clave en un número 0-99 y almacena el par en el depósito correspondiente en la memoria. Luego, cuando se le pide que busque una clave, la convierte en un número 0-99 con la misma función de hash y comprueba ese depósito para ver si esa clave está allí. Si es así, devuelve su valor.

Tenga en cuenta que también podría implementar diccionarios de otras maneras, como con un árbol de búsqueda binario (si sus objetos son comparables).

Otra aplicación práctica son las sumas de verificación, que son formas de verificar que dos archivos son iguales (por ejemplo, el archivo no estaba dañado desde su versión anterior). Debido a que es poco probable que las funciones hash asignen dos entradas a la misma salida, usted calcula y almacena un hash del primer archivo, generalmente representado como una cadena. Este hash es muy pequeño, quizás solo unas pocas docenas de caracteres ASCII. Luego, cuando obtienes el segundo archivo, lo hash y compruebas que la salida es la misma. Si es así, casi con certeza es exactamente el mismo archivo byte por byte.

Otra aplicación está en la criptografía, donde estos hashes deberían ser difíciles de "invertir", es decir, dada la salida y la función hash, debería ser computacionalmente difícil averiguar las entradas que condujeron a esa salida. Un uso de esto es para las contraseñas: en lugar de almacenar la contraseña en sí, almacena un hash criptográfico de la contraseña (tal vez con algunos otros ingredientes). Luego, cuando un usuario ingresa una contraseña, usted calcula su hash y verifica que coincida con el hash correcto; Si es así, usted dice que la contraseña es correcta. (Ahora, incluso alguien que puede mirar y descubrir el hash guardado en el servidor no tiene tan fácil fingir ser el usuario). Esta aplicación puede ser un caso en el que la salida es tan larga o más larga que la entrada, ya que La entrada es muy corta.

Una función hash es una función que toma una entrada y produce un valor de tamaño fijo. Por ejemplo, puede tener una función hash stringHashque acepte unstring de cualquier longitud y produzca un número entero de 32 bits.

Por lo general, es correcto decir que la salida de una función hash es un hash (también conocido como un valor hash o una suma hash). Sin embargo, a veces las personas se refieren a la función en sí misma como un hash . Esto es técnicamente incorrecto, pero generalmente se pasa por alto, ya que generalmente se entiende (en contexto) que la persona se refería a la función hash .

El uso típico de una función hash es implementar una tabla hash . Una tabla hash es una estructura de datos que asocia valores con otros valores típicamente conocidos como claves. Lo hace mediante el uso de una función hash en la tecla para producir un valor hash de tamaño fijo que puede usar para una búsqueda rápida de los datos que almacena. No entraré en detalles completos sobre cómo lo hace, pero el hecho clave aquí es que se llama una tabla hash porque se basa en una función hash para producir valores hash (hash).

Aquí es donde entra parte de la confusión, porque algunas personas (de nuevo, algo incorrectamente) se refieren a una tabla hash como un hash. Como se indicó en otras respuestas, a veces la implementación de una tabla hash en un idioma dado se refiere a la tabla hash como un hash (especialmente Perl hace esto, aunque espero que otros idiomas también lo hagan). Otros idiomas eligen referirse a su implementación de una tabla hash como un diccionario. Python es uno de estos lenguajes, pero debido a lo arraigados que están en el lenguaje, muchos usuarios de Python acortan el término diccionario a 'dict'.

Entonces, aunque el uso correcto del término hash es referirse al valor hash producido por una función hash , las personas a veces también usan el término informalmente para referirse a funciones hash y tablas hash , creando así la confusión.

Una función hash es, en términos generales, cualquier función en la que la imagen es más pequeña que el dominio . La salida de dicha función f(x)se puede denominar "el hash de x".

En informática generalmente encontramos dos aplicaciones de funciones hash.

El primero es para estructuras de datos como tablas hash , donde queremos asignar el dominio clave (por ejemplo, enteros de 32 bits o cadenas de longitud arbitraria) a un índice de matriz (por ejemplo, entero entre 0 y 100). El objetivo aquí es maximizar el rendimiento de la estructura de datos; Las propiedades de la función hash que suelen ser deseables son la simplicidad y la distribución uniforme de salida.

Perl llama a su tipo de matriz asociativa incorporada un "hash" , que parece ser lo que está causando su confusión aquí. No conozco ningún otro idioma que haga esto. En términos generales, la estructura de datos podría verse como una función hash (donde el dominio es el conjunto actual de claves), pero también se implementa como una tabla hash.

El segundo es para la criptografía : autenticación de mensajes, verificación de contraseña / firma, etc. El dominio suele ser cadenas de bytes arbitrarias. Aquí nos preocupa la seguridad, que a veces significa un rendimiento deliberadamente bajo, donde las propiedades útiles son la colisión y la resistencia previa a la imagen.

Gran pregunta Basil Ajith,

Aquí está mi perspectiva de lo que es un hash para algo en lo que estoy trabajando hoy.

* *

Use la suma de verificación para verificar que el tarball sea congruente con la página de descarga

* *

Se pone el sombrero de auditor, me refiero a la túnica de mago

hash es un valor / cadena / lo que sea / etiqueta, asegúrese de que sea el mismo en su máquina que la fuente de una descarga.

Trataré de agregar un breve resumen de lo que otros dicen.

Función hash

Hay un tipo especial de funciones llamadas funciones hash.

"SHA256 es una función hash bien conocida que es criptográficamente segura"

Tres aplicaciones principales son * tablas hash, * sumas de verificación (verificaciones de integridad de datos, por ejemplo, en discos duros o protocolos ADSL), * y criptografía (varias formas de autenticación criptográfica que incluyen, entre otras, firmas digitales y almacenamiento seguro de contraseñas).

Tabla de picadillo

La tabla hash es una estructura de datos para una búsqueda rápida. Utiliza funciones hash internamente, de ahí el nombre.

"Las bases de datos usan tablas hash y árboles de búsqueda internamente para acelerar la ejecución de solicitudes de búsqueda"

Picadillo

1. un tipo de datos abstractos del diccionario

"Hash" es el nombre oficial de los diccionarios integrados en Perl. Son tablas hash internamente, de ahí el nombre. "Esta subrutina acepta un hash como primer argumento". Estos días se pueden usar para cualquier matriz asociativa, no necesariamente una tabla hash.

2. resultado de aplicar una función hash a alguna entrada

"Se proporcionan hashes MD5 de las imágenes .iso para verificar su integridad después de la descarga".