文章目录
- 数字摘要的概念和应用
- 数字摘要的基本原理
- 数字摘要的性质
- 1. 不可逆性：从数字摘要无法反推出原始输入。这意味着，如果你只知道H(m)，那么你无法得知m的具体内容。（除非暴力破解）
- 2. 唯一性：对于不同的输入，其数字摘要也不同。换句话说，如果m1和m2不相同（即使只有一位不同），那么H(m1)和H(m2)也不相同。
- 3. 固定长度：无论输入的长度如何，哈希函数总是返回固定长度的输出。
- 数字摘要的应用
- 1. 完整性检查
- 关于文件完整性检查——数字摘要的创建
- 2. 密码存储
- 验证流程
- 3. 消息认证码
- 总结
数字摘要的概念和应用
数字摘要是信息安全领域中的一种关键技术。它是通过哈希算法对输入数据进行处理，生成一个较短的固定长度的输出，这个输出就被称为“数字摘要”。
数字摘要的基本原理
在数字摘要的计算过程中，通常会使用一种称为哈希函数的特殊算法。哈希函数可以接受任意长度的输入，并返回一个固定长度的输出。
下面是一个简单的例子：假设有一个哈希函数H，当我们向H提供一个输入m（例如，一个文件或者消息），H会返回一个输出H(m)，这个输出就是m的数字摘要。
数字摘要的性质
数字摘要具有以下几个重要的性质：
1. 不可逆性：从数字摘要无法反推出原始输入。这意味着，如果你只知道H(m)，那么你无法得知m的具体内容。（除非暴力破解）
2. 唯一性：对于不同的输入，其数字摘要也不同。换句话说，如果m1和m2不相同（即使只有一位不同），那么H(m1)和H(m2)也不相同。
3. 固定长度：无论输入的长度如何，哈希函数总是返回固定长度的输出。
数字摘要的应用
数字摘要在信息安全领域有着广泛的应用，主要包括以下几个方面：
1. 完整性检查
通过比较文件的数字摘要，可以检查文件是否被篡改。例如，当我们下载一个文件时，通常会提供文件的数字摘要。下载完成后，我们可以计算文件的数字摘要，并与提供的数字摘要进行比较。如果两者相同，那么文件就没有被篡改。
关于文件完整性检查——数字摘要的创建
在许多情况下，文件的数字摘要由文件的原始创建者或分发者提供。这是因为他们在创建或准备文件进行分发时，会使用特定的哈希函数（如SHA-256）生成该文件的数字摘要。
例如，开源软件项目常常会在发布新版本时，除了提供下载链接外，还会公布每个可下载文件的数字摘要（通常称为"哈希值"或"校验和"）。用户在下载并接收文件后，可以使用同样的哈希函数计算文件的数字摘要，并与公布的数字摘要进行比对。如果两者一致，则说明文件在传输过程中没有被篡改。
另一个例子是操作系统的更新服务。当操作系统下载更新文件时，更新服务器通常会提供文件的数字摘要。操作系统在接收并应用更新前，会验证下载的文件的数字摘要是否与服务器提供的一致，以确保更新文件的完整性。
总的来说，文件的数字摘要应由能够保证其内容完整性和安全性的权威来源提供。用户或其他接收方可以依赖这个数字摘要来检查文件是否在传输或存储过程中遭到篡改。
2. 密码存储
在用户注册网站账号时，网站通常不会直接存储用户的密码，而是存储密码的数字摘要。这样，即使数据库被泄露，攻击者也无法获取到用户的真实密码。
验证流程
在验证用户密码的正确性时，系统会采取与存储密码数字摘要相同的过程来操作。
具体步骤如下：
-
用户输入他们的用户名和密码。
-
系统获取用户输入的密码，并使用之前相同的哈希函数对其进行哈希处理，生成一个新的数字摘要。
-
系统将这个新生成的数字摘要与数据库中存储的对应用户的密码数字摘要进行比较。
-
如果两个数字摘要相同，那么用户输入的密码被认为是正确的。如果不同，则密码错误。
因此，即使系统只存储了密码的数字摘要，也能够通过比较数字摘要来验证用户输入的密码是否正确。这种方法提供了一种额外的安全层，保护用户密码不被直接泄露，即使数据库信息被盗。
需要注意的是，仅仅使用哈希函数生成数字摘要并不能防止所有类型的攻击，例如彩虹表攻击。因此，许多系统在存储密码的哈希值之前，还会对原始密码进行"加盐"处理，也就是在原始密码基础上添加一些随机数据，然后再进行哈希处理。这样即使攻击者拿到哈希值，由于缺少"盐"值，也很难通过反向工程得到原始密码。
3. 消息认证码
在网络通信中，发送者可以向消息添加一个数字摘要，接收者通过验证这个数字摘要，可以确认消息的完整性和来源。
总结
数字摘要是信息安全的基础设施，它可以提供数据的完整性保护，确保数据在传输或存储过程中不被篡改。然而，也需要注意，虽然数字摘要具有不可逆性，但并不能防止暴力破解。因此，在使用数字摘要时，还需要采取其他安全措施，如加盐、密钥管理等。
ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ
ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ ᅟᅠ
(CNN-GRU-LSTM)通过堆叠CNN、GRU、LSTM实现多元预测和单元预测)
