¿Qué es un hash criptográfico?

Un hash criptográfico es un método de cálculo que convierte datos en un resumen de longitud fija. Ya sea que la entrada sea una sola frase o un archivo grande, el mismo algoritmo de hash siempre produce un resultado con la longitud que ese algoritmo define. Ese resultado se llama valor de hash o resumen.

Funciona parecido a una «huella digital» de los datos: mientras la entrada no cambie, el valor de hash calculado tampoco cambia, y modificar aunque sea un carácter de la entrada normalmente produce un resultado visiblemente distinto. Por eso otra persona puede volver a calcular el valor de hash para revisar si los datos que recibió coinciden con los originales, sin comparar todo el contenido carácter por carácter.

La metáfora tiene límites. Un valor de hash no es una abreviatura de los datos y no sirve para recuperar el texto original, y tampoco es un identificador absolutamente único. Lo que busca un hash criptográfico seguro es que sea computacionalmente muy difícil retroceder hasta la entrada o encontrar el mismo resultado de forma deliberada, no una garantía matemática de que nunca puedan ocurrir colisiones.

La entrada y la salida de un cálculo de hash

Un algoritmo de hash opera sobre una cadena determinada de datos binarios. Texto, imágenes y transacciones deben convertirse en bytes antes del cálculo; una codificación de caracteres distinta, otro orden de campos, u otra forma de acomodar en bytes información estructurada producen una entrada distinta y, por lo tanto, un resultado distinto. Ese proceso de acomodar se llama normalmente serialización.

SHA-256, por ejemplo, siempre entrega 256 bits, es decir 32 bytes. Los valores de hash suelen escribirse como 64 caracteres hexadecimales, más legibles para personas y software. Las dos entradas de abajo solo difieren en la mayúscula de una letra y, aun así, los resultados son completamente distintos:

La misma entrada entrega de forma estable el mismo resultado, así que distintos participantes pueden verificar de manera independiente. Un resultado visiblemente distinto facilita notar que la entrada cambió. Pero «parecer aleatorio» no alcanza para establecer si un algoritmo es seguro; la seguridad también depende de que resista ataques específicos.

Tres propiedades importantes de un hash criptográfico

Un hash criptográfico normalmente debe volver difíciles, en condiciones reales de cómputo, estas tres cosas:

• Dado un valor de hash, debe ser difícil encontrar una entrada que produzca ese resultado. Esto se llama resistencia a la preimagen. En términos simples, un valor de hash no es un archivo comprimido que se pueda decodificar.
• Dada una entrada conocida, debe ser difícil encontrar una segunda entrada distinta que produzca el mismo valor de hash. Esto se llama resistencia a la segunda preimagen.
• Debe ser difícil encontrar dos entradas distintas cualesquiera que produzcan el mismo valor de hash. Esto se llama resistencia a colisiones.

Como la cantidad de entradas posibles es muy superior a la cantidad de salidas de longitud fija, las colisiones existen necesariamente en términos matemáticos. El objetivo de seguridad no es eliminarlas, sino que quien ataque no pueda encontrar una colisión aprovechable a un costo factible.

«Difícil de revertir» tampoco significa que un hash pueda esconder todos los secretos. Si el rango de entradas es pequeño o fácil de adivinar —contraseñas comunes, por ejemplo—, quien ataque puede probar candidatos uno por uno y comparar resultados. Por eso guardar contraseñas normalmente exige un esquema de hash específico para contraseñas, que incorpore datos aleatorios propios de cada registro (una sal) y fije cuánto cómputo requiere cada intento (un parámetro de costo). Un solo hash rápido común de una contraseña no basta.

Diferencias entre hash, cifrado, firma digital y suma de verificación

Todas estas técnicas pueden servir para procesar o revisar datos, pero resuelven problemas distintos:

Un hash por sí mismo no puede establecer quién creó los datos. Un sistema de firma digital normalmente calcula primero un resumen de los datos y después hace que la clave privada firme el resultado asociado a esos datos; quien verifica además necesita la clave pública y las reglas de firma para revisar la relación de autorización. Una suma de verificación común protege sobre todo contra daños accidentales y normalmente no resiste que alguien modifique los datos de forma deliberada.

Cómo usan el hash las blockchains

Una blockchain no mantiene su registro con un solo valor de hash. El hash normalmente se usa junto con firmas digitales, validación de la red, consenso y estructuras de datos, y allí cumple las siguientes tareas.

Identificar transacciones u otros datos

Algunas redes calculan un identificador a partir de los datos de la transacción acomodados en el formato del protocolo. Por ejemplo, el identificador de transacción de Bitcoin (TXID) proviene de un hash de los datos serializados de la transacción. Mientras los participantes apliquen las mismas reglas a los mismos datos, pueden calcular el mismo identificador de forma independiente.

Sin embargo, un «hash de transacción» no es un número universal para el que todas las redes usen el mismo algoritmo o el mismo formato de entrada. El nombre de la red, el algoritmo y las reglas de serialización son parte del significado, y copiar solo una cadena de caracteres puede no alcanzar para identificar un objeto sin ambigüedad.

Enlazar bloques y dejar a la vista cambios en el historial

Un bloque puede guardar el hash del encabezado del bloque anterior. Si cambian los datos del bloque anterior, su hash también cambia, y el valor guardado por los bloques siguientes ya no coincide. Tanto los encabezados de bloque de Bitcoin como los bloques de Ethereum contienen información de hash que apunta al bloque previo.

Ese enlace facilita detectar cambios en el historial, pero no impide físicamente que alguien vuelva a calcular hashes. Determinar qué historial acepta finalmente la red todavía requiere reglas de validación, un mecanismo de consenso y la apreciación del estado de la red por parte de los participantes.

Resumir grandes cantidades de datos y aportar pruebas de inclusión

Estructuras como los árboles de Merkle combinan y aplican hash a varios elementos capa por capa hasta llegar a un único hash raíz. Quien verifica puede usar unos pocos hashes intermedios para revisar si un elemento está incluido en un conjunto de datos ya comprometido, sin transferir todo el contenido cada vez. El árbol de Merkle Patricia de Ethereum es una estructura que enlaza datos de estado mediante hash.

Un hash raíz solo puede establecer si ciertos datos son consistentes con ese compromiso criptográfico. No puede establecer que la información de entrada venga de una fuente confiable, ni que un evento fuera de la cadena haya ocurrido de verdad.

Participar en la prueba de trabajo

En un sistema de prueba de trabajo, los participantes ajustan repetidamente datos del bloque candidato y calculan hashes, buscando un resultado que cumpla la condición de dificultad del protocolo. Los demás nodos pueden revisar con rapidez si el resultado califica. Aquí el hash aporta un problema repetible y un resultado verificable, pero qué bloque acepta la red lo siguen determinando las reglas completas de consenso.

Los algoritmos de hash no son intercambiables

SHA-256, SHA-3 y otros hashes criptográficos son familias de algoritmos distintas. Incluso cuando dos algoritmos entregan 256 bits, no producen el mismo resultado para la misma entrada. Una indicación de protocolo o de verificación de archivos debe dar tanto el nombre del algoritmo como la forma de procesar la entrada; «calcular un hash» por sí solo no alcanza.

Entre los algoritmos de hash seguros de uso frecuente están las familias SHA-2 y SHA-3. El Secure Hash Standard del Instituto Nacional de Estándares y Tecnología (NIST) de Estados Unidos cubre la familia SHA-2, y el estándar SHA-3 cubre la familia SHA-3. Nombres de algoritmo parecidos tampoco implican detalles de implementación iguales. Un sistema debe usar el algoritmo que su protocolo exige de forma explícita y que siga siendo adecuado para el uso actual; que un algoritmo antiguo todavía entregue un resultado no significa que siga cumpliendo los requisitos de seguridad.

Preguntas frecuentes

¿Un valor de hash se puede descifrar?

Un hash criptográfico común no se puede «descifrar», porque el hash no es cifrado y no hay una clave de descifrado correspondiente. Quien ataque puede encontrar un valor coincidente adivinando la entrada, agotando un espacio de entradas pequeño o aprovechando una debilidad del algoritmo, pero eso no es recuperar el texto original directamente del resumen.

Si dos datos tienen el mismo valor de hash, ¿el contenido es necesariamente igual?

No con certeza matemática, porque una salida de longitud fija necesariamente admite colisiones. Cuando el algoritmo conserva una resistencia a colisiones suficiente y se confirma que ambas partes usan la misma codificación y las mismas reglas de cálculo, un valor de hash idéntico normalmente sirve como evidencia fuerte de que los datos coinciden.

¿Ver un valor de hash confirma que un archivo es seguro?

No. También hay que saber de dónde viene el valor de hash esperado. Si quien ataca reemplazó tanto el archivo como el valor de hash de la página, al recalcular igual puede «coincidir». El hash permite revisar si los datos son consistentes con un resumen conocido, pero ese resumen debe obtenerse por un canal confiable.

Si una blockchain usa hash, ¿la información en cadena es verdadera?

No. El hash ayuda a revisar si los datos cambiaron y si distintas estructuras de datos coinciden, pero no puede juzgar si el contenido de entrada describe el mundo real. La procedencia de los datos, la autorización por firma, la validación de la red y el consenso igual deben evaluarse por separado.

Conceptos relacionados

Continúa con bloque, blockchain, clave pública y clave privada, o vuelve al glosario de criptomonedas.

Fuentes

• NIST: definición de función hash criptográfica — resúmenes de longitud fija, resistencia a la preimagen, a la segunda preimagen y a colisiones.
• NIST FIPS 180-4: Secure Hash Standard — familia SHA-2, longitudes de resumen y usos de integridad.
• NIST FIPS 202: estándar SHA-3 — familia SHA-3 y su relación con SHA-2.
• NIST SP 800-63B: verificadores de contraseñas — esquemas de hash de contraseñas, sales y parámetros de costo.
• Bitcoin Developer Reference: transacciones — datos serializados de la transacción y TXID.
• Bitcoin Developer Reference: blockchain — hash del encabezado del bloque anterior, raíz de Merkle y prueba de trabajo.
• Ethereum.org: bloques — hash del bloque previo junto con raíces de estado y de transacciones.
• Ethereum.org: árbol de Merkle Patricia — estructuras de datos enlazadas por hash y pruebas de inclusión.