Generar hash MD5, SHA-256 y verificar el checksum de un archivo

Un hash no es cifrado, y no se puede revertir

Esta es la confusión con la que llega más gente, así que conviene despejarla antes de nada. Cifrar es reversible por diseño: con la clave correcta se recupera el original, porque el original está ahí dentro. Un hash no lo es en absoluto, y no porque nadie haya dado todavía con el truco, sino porque la información no está.

La forma más rápida de verlo: un archivo de 4 GB y la palabra «hola» producen exactamente los mismos 64 caracteres de SHA-256. Es imposible que esos 64 caracteres contengan los 4 GB. Un hash es una huella dactilar del contenido, no un envoltorio: identifica sin guardar.

¿Y las webs que prometen «descifrar MD5»? No descifran nada. Tienen una tabla enorme de textos corrientes con su hash ya calculado y buscan el tuyo dentro. Con 123456 aciertan al instante, porque está en la tabla. Con una contraseña larga y única, no aciertan nunca, porque no puede estar.

MD5 y SHA-1 están rotos, y aun así siguen aquí

«Roto» significa algo concreto: se pueden fabricar a propósito dos archivos distintos con el mismo hash. Eso hunde por completo cualquier uso donde el hash deba probar autoría o autenticidad —firmas digitales, certificados, contraseñas— y en esos casos MD5 y SHA-1 no se deben usar bajo ningún concepto. Para MD5 esto se demostró en 2004 y hoy una colisión se calcula en segundos; para SHA-1, en 2017 con dos PDF distintos y el mismo hash.

Lo que no hunde es el uso de detectar corrupción accidental. Si tu descarga se cortó a medias o un byte cambió por el camino, el MD5 cambia igual: para que dos archivos compartan hash hay que construirlos a propósito, y el ruido de una conexión no construye nada. Por eso siguen aquí, y por un motivo aún más terrenal: media internet sigue publicando el MD5 de sus descargas, y si tu proveedor te da un MD5, necesitas calcular un MD5 para compararlo.

La herramienta los marca con una etiqueta para que sepas dónde estás. Si eliges tú el algoritmo y no te lo impone nadie, usa SHA-256.

Por qué esta herramienta puede con un archivo de 4 GB

El navegador trae sus propias funciones de hash, pero tienen dos límites que las dejan fuera aquí: no incluyen MD5, y solo saben calcular de una vez, sobre un archivo entero cargado en memoria. Con 4 GB eso no cabe.

Así que los cinco algoritmos están implementados aquí de forma que aceptan el archivo a trozos: se lee un fragmento del disco, se suma al cálculo, se descarta y se pasa al siguiente. La memoria que hace falta es la de un trozo, da igual que el archivo pese cuatro gigas o cuarenta.

Hay un detalle de esas implementaciones que casi nadie prueba y que rompe justo con archivos grandes: el contador interno de longitud. Muchas versiones caseras lo guardan en un número de 32 bits, que se desborda exactamente a los 512 MiB y devuelve un checksum incorrecto sin avisar de nada. Es decir: fallan a partir del tamaño en el que esta herramienta empieza a ser útil. Aquí ese contador se lleva de otra forma, y está comprobado procesando 513 MiB de datos y contrastando el resultado con una implementación de referencia. Todos los algoritmos están además contrastados contra los vectores publicados en sus normas y contra una implementación independiente en todas las longitudes de 0 a 300 bytes, que es donde se esconden los fallos de relleno.

Cuando el checksum no coincide

Antes de asustarse conviene descartar lo aburrido, que es lo que ocurre nueve de cada diez veces: haber pegado el checksum de otra versión, de otra arquitectura o de otro formato del mismo programa. En una tabla de descargas con ocho filas es facilísimo copiar la de al lado.

Lo segundo más común es una descarga interrumpida. Compara primero el tamaño del archivo con el que anuncia la página: si no cuadra, ahí está el problema y basta con volver a descargarlo.

Si el tamaño es exacto y el checksum sigue sin coincidir, entonces sí: no ejecutes ese archivo. Y ten presente el límite de todo esto: el checksum solo vale si viene de una fuente de confianza. Si te lo dieron en la misma página desde la que descargaste y esa página estuviera comprometida, el atacante habría cambiado los dos. Por eso los proyectos serios firman el archivo de checksums aparte.

El HMAC, para quien firma peticiones

Un hash normal lo puede calcular cualquiera, así que no prueba nada sobre quién lo hizo. El HMAC añade una clave compartida: solo quien la tenga puede generar la firma, y quien la tenga puede comprobarla. Es lo que piden muchas APIs para autenticar peticiones —firmas la cadena de la petición con tu clave secreta y el servidor repite el cálculo— y lo que usan las pasarelas de pago en sus avisos, para que puedas verificar que el mensaje viene de ellas.

La pestaña de HMAC acepta la clave como texto o en hexadecimal, porque bastantes proveedores la entregan así. Si lo que buscas es generar una clave o una contraseña en vez de firmarla, eso lo hace el generador de contraseñas. Y si el resultado lo necesitas en Base64 para meterlo en una cabecera, la herramienta de Base64 explica ese formato con detalle.

Los límites, dichos antes de que fallen

No hay tope de tamaño: como se lee por trozos, el tamaño solo afecta al tiempo. En un equipo normal, SHA-256 ronda los 200-300 MB por segundo, así que una ISO de 4 GB son unos veinte segundos. SHA-512 va unas seis veces más lento —trabaja con números de 64 bits que JavaScript no tiene y hay que emular—, así que si lo marcas sobre un archivo grande, cuenta con eso. Marcar varios algoritmos a la vez sale a cuenta: el archivo se lee una sola vez y se alimentan todos en la misma pasada.

Y una advertencia que no es de tamaño sino de uso: esto no sirve para guardar contraseñas. Estos algoritmos están diseñados para ser rápidos, que es justo lo que no quieres ahí: una tarjeta gráfica calcula miles de millones de SHA-256 por segundo. Para contraseñas hacen falta algoritmos deliberadamente lentos y con sal, como bcrypt, scrypt o Argon2.