重用hashlib.md5可以计算相同字符串的不同值

Question

这是我的第一个测试代码：

   import hashlib
   md5Hash = hashlib.md5()
   md5Hash.update('Coconuts')
   print md5Hash.hexdigest()

   md5Hash.update('Apples')
   print md5Hash.hexdigest()

   md5Hash.update('Oranges')
   print md5Hash.hexdigest()

这是我的第二大块代码：

    import hashlib
    md5Hash = hashlib.md5()
    md5Hash.update('Coconuts')
    print md5Hash.hexdigest()

    md5Hash.update('Bananas')
    print md5Hash.hexdigest()

    md5Hash.update('Oranges')
    print md5Hash.hexdigest()

但第一个代码的输出是：

    0e8f7761bb8cd94c83e15ea7e720852a
    217f2e2059306ab14286d8808f687abb
    4ce7cfed2e8cb204baeba9c471d48f07

第二个代码是：

   0e8f7761bb8cd94c83e15ea7e720852a
   a82bf69bf25207f2846c015654ae68d1
   47dba619e1f3eaa8e8a01ab93c79781e

我将第二个字符串从'Apples'替换为'Bananas'，第三个字符串仍然保持不变。 但是我仍然得到第三个字符串的不同结果。 Hashing应该每次都有相同的结果。 我错过了什么吗？

Answer 1

因为您正在使用update方法， md5Hash对象将重用于3个字符串。 所以它基本上是连接在一起的3个字符串的哈希值。 因此，更改第二个字符串也会改变第三个字符串的结果。

您需要为每个字符串声明一个单独的md5对象。 使用循环（符合python 3的代码需要字节前缀BTW，并且也适用于python 2）：

import hashlib
for s in (b'Coconuts',b'Bananas',b'Oranges'):
    md5Hash = hashlib.md5(s)  # no need for update, pass data at construction
    print(md5Hash.hexdigest())

结果：

0e8f7761bb8cd94c83e15ea7e720852a
1ee31b77d0697c36914b99d1428f7f32
62f2b77089fea4c595e895901b63c10b

请注意，这些值现在不同，但至少它是每个字符串的MD5，独立计算。

Answer 2

hashlib.md5.update() 将数据添加到哈希。 它不会取代现有的价值; 如果要哈希一个新值，则需要初始化一个新的hashlib.md5对象。

您正在散列的值是：

"Coconuts"               -> 0e8f7761bb8cd94c83e15ea7e720852a
"CoconutsApples"         -> 217f2e2059306ab14286d8808f687abb
"CoconutsApplesOranges"  -> 4ce7cfed2e8cb204baeba9c471d48f07

"Coconuts"               -> 0e8f7761bb8cd94c83e15ea7e720852a
"CoconutsBananas"        -> a82bf69bf25207f2846c015654ae68d1
"CoconutsBananasOranges" -> 47dba619e1f3eaa8e8a01ab93c79781e

Answer 3

预期结果

您期望的通常是您应该期望从常见的加密库。 在大多数加密库中，在调用完成计算的方法（例如hexdigest之后重置哈希对象 。 看来hashlib.md5使用了替代行为。

hashlib.md5结果

MD5要求输入以1位，0或0位填充，输入长度以位为单位。 然后计算最终的哈希值。 hashlib.md5内部似乎使用单独的变量执行最终计算，在没有此最终填充的情况下对每个字符串进行散列后保持状态。

因此，哈希的结果是先前字符串与给定字符串的串联，然后是正确的填充，正如duskwulf在他的回答中指出的那样 。

hashlib正确记录了这一点：

hash.digest()

返回到目前为止传递给update()方法的字符串的摘要。 这是一个digest_size字节字符串，可能包含非ASCII字符，包括空字节。

和

hash.hexdigest()

像digest()一样，但摘要是以双倍长度的字符串形式返回的，只包含十六进制数字。 这可用于在电子邮件或其他非二进制环境中安全地交换值。

hashlib.md5解决方案

由于似乎没有reset()方法，您应该为要创建的每个单独的哈希值创建一个新的md5对象。 幸运的是，哈希对象本身相对较轻（即使哈希本身不是这样），因此不会占用很多CPU或内存资源。

讨论差异

对于散列本身，重置终结器中的散列可能没有那么多意义。 但它对签名生成很重要：您可能希望初始化相同的签名实例，然后使用它生成多个签名。 哈希函数应该重置，以便它可以计算多个消息的签名。

有时，应用程序需要多个输入的聚合哈希，包括中间哈希结果。 然而，在这种情况下，使用Merkle的哈希树 ，其中中间的哈希本身再次进行哈希处理。

如上所述，我认为这是hashlib作者的糟糕API设计。 对于密码学家来说，它肯定不遵循最不惊讶的规则。