如何让两个不同的输入生成相同的MD5哈希值？

导语：2012年，一个名为"火焰"的超级病毒席卷中东，它之所以能长期潜伏，竟是利用了MD5算法的致命缺陷——允许不同的文件生成相同的"数字指纹"。今天我们就用"双胞胎DNA检测"的比喻，揭开哈希碰撞的神秘面纱。

一、MD5哈希算法简介

MD5（Message-Digest Algorithm 5）是一种广泛使用的哈希函数，能将任意长度的输入（如文件、字符串）转换为固定长度的128位（16字节）哈希值。其设计初衷是为数据生成唯一的“指纹”，用于校验文件完整性、密码存储等场景。然而，MD5的抗碰撞性（即找到两个不同输入生成相同哈希值的能力）早在2004年被中国学者王小云攻破，这使得它在安全敏感领域被逐步淘汰。

MD5算法就像一台精密验钞机，能将任意长度的数据压缩成128位的"数字指纹"。理想情况下：

• 不同文件 → 完全不同哈希值 ✅
• 相同文件 → 始终相同哈希值 ✅

MD5的核心原理

1. 数据分块：输入数据被划分为多个64字节的块，若数据长度不足，则通过填充（Padding）补齐。
2. 迭代压缩：每个块通过压缩函数处理，结合前一轮的中间哈希值（IHV），生成新的IHV。最终一轮的IHV即为MD5哈希值。
3. 哈希生成：无论输入多大，最终输出均为128位的十六进制字符串（如18ef25b59079b7210a0040e48c5e5a5a）。

终端验证：

# 计算文件MD5md5sum demo-file.docx# 输出：d41d8cd98f00b204e9800998ecf8427e

经典案例： Hello World vs Goodbye World

查看文件差异：

vimdiff GoodbyeWorld-colliding.exe  HelloWorld-colliding.exe

二、为什么两个不同的输入能生成相同的MD5？

哈希函数的输出空间有限（MD5为种可能，128为MD5的比特位数），而输入无限。

根据鸽巢原理，必然存在多个输入映射到同一个哈希值，这种现象称为哈希碰撞。具体来说：

• 需要尝次 → 50%碰撞概率（生日攻击）
• 现代计算机集群可在24小时内完成

MD5的压缩函数存在三个缺陷：

1. 消息分组处理漏洞（Merkle–Damgård结构缺陷）；
2. 非线性函数强度不足；
3. 抗差分攻击能力薄弱。

以上缺陷使得攻击者可以快速构造碰撞。2004年，王小云团队提出一种方法，能在数小时内找到碰撞对。

此后，工具如md5collgen进一步简化了这一过程。

• 图片碰撞：以下两个不同字符串的MD5均为253dd04e87492e4fc3471de5e776bc3d。

• 可执行文件碰撞：两个功能不同的程序（如一个正常、一个恶意）可通过修改特定字节生成相同MD5。

三、如何生成MD5碰撞？

• 工具：md5collgen（SEED Labs提供）。
• 核心思想：通过构造前缀（Prefix）和填充（Padding），生成两个不同的后缀（P和Q），使整体哈希相同。

任务1：生成两个内容不同但MD5相同的文件

1. 输入前缀：创建一个长度不足64字节的文件（如prefix.txt）。
2. 生成碰撞：运行命令md5collgen -p prefix.txt -o out1.bin out2.bin，工具会自动填充数据并生成两个哈希相同的文件。
3. 验证：使用diff和md5sum检查文件差异与哈希值。

任务2：验证MD5的“后缀不变性”

若两个文件A和B的MD5相同，则在其后追加相同内容（如task2），新文件A+task2和B+task2的MD5仍相同。

任务3：生成行为不同的可执行文件

1. 编写C程序：定义一个数组（如char xyz[128]），根据数组内容执行不同逻辑（如打印“正常”或“恶意”）。
2. 编译与修改：编译程序后，用十六进制编辑器（如bless）定位数组位置，替换为md5collgen生成的碰撞块。
3. 测试：运行两个程序，观察不同行为，但MD5相同。

案例1：Flame病毒（2012）

• 攻击手法：伪造微软数字签名证书
• 技术细节：
• 利用MD5碰撞生成合法证书的"影子版本"
• 通过中间人攻击植入恶意代码

案例2：数字合同欺诈（2017）

• 事件经过：
• A公司签署PDF合同后，对方通过碰撞生成有利版本
• 两份合同MD5相同但条款金额不同

案例3：游戏外挂（2020）

• 作弊手段：
• 制作与正版游戏文件MD5相同的外挂模块
• 绕过反作弊系统的哈希校验

攻击检测技术：

1. 差异位追踪：

   defdetect_collision(file1, file2):    diff = bytes(a ^ b for a,b in zip(file1, file2))return sum(diff) > 128# 碰撞文件差异位通常集中

2. 魔数校验：检查文件头部特征码
3. 二次哈希：同时计算SHA-256值

防御方案：

参考资料：

• md5碰撞资料及经典样本.zip: https://url25.ctfile.com/f/1848625-1505929171-8bf524?p=6277 (访问密码: 6277)

（文末警示：本文实验仅供学习，恶意使用需承担法律责任）

关注我，带你用“人话”读懂技术硬核！ 🔥