Gerador de Hash MD5, SHA-1 e SHA-256

O que é um hash

Hash é a impressão digital de um conteúdo. Você joga qualquer coisa dentro (uma palavra, um contrato, um vídeo de 4 GB) e sai sempre a mesma sequência de letras e números, do mesmo tamanho, toda vez. Mudou um pontinho no conteúdo, sai outra sequência completamente diferente.

Duas propriedades fazem isso valer alguma coisa. A primeira: o mesmo conteúdo sempre gera o mesmo hash, em qualquer computador do mundo, hoje e daqui a dez anos. A segunda: pelo hash não dá para voltar ao conteúdo, porque a conta é de mão única.

Junte as duas e você tem um jeito barato de responder a uma pergunta que aparece o tempo todo: esses dois arquivos são o mesmo arquivo? Em vez de comparar byte por byte, compara duas linhas de 64 caracteres.

Para que isso serve fora do mundo da programação

Conferir um arquivo que você baixou. É o uso mais direto. Quem publica um instalador, um programa da Receita ou um driver costuma publicar o hash do arquivo ao lado do link. Você baixa, calcula o hash aqui e compara. Se bate, o arquivo chegou inteiro e é o mesmo que foi publicado. Se não bate, o download veio corrompido ou o arquivo não é o que deveria ser.

Saber se dois arquivos são iguais. Aconteceu com todo mundo: duas pastas de backup, duas versões da planilha, dois PDFs com nomes parecidos. O hash resolve em dez segundos, sem abrir nenhum dos dois.

Provar que um arquivo não mudou. Se você guarda o hash de um documento hoje, daqui a um ano dá para provar que o arquivo é aquele mesmo, sem depender da data do sistema, que qualquer um altera.

Integrar com sistema de terceiro. Gateway de pagamento, API de nota, ERP: muita integração pede uma assinatura que é o hash de um texto montado com seus dados mais uma chave. É a parte que mais dá dor de cabeça, e quase sempre pelo motivo que está mais abaixo nesta página.

Hash não é criptografia, e não tem volta

Essa confusão custa caro, então vale ser direto: criptografia tem volta, hash não tem. Texto criptografado existe para ser decifrado depois por quem tem a chave. Hash não guarda o conteúdo em lugar nenhum: ele é um resumo que joga informação fora no caminho.

Dá para ver isso no tamanho. O MD5 de uma letra tem 32 caracteres. O MD5 de um filme de 2 GB também tem 32 caracteres. Se fosse possível voltar, os 2 GB estariam guardados ali dentro, e não estão.

E aqueles sites que prometem “descriptografar MD5”? Eles não descriptografam nada. Eles guardaram bilhões de textos comuns com o hash de cada um e fazem uma consulta. Se o seu MD5 for de 123456 ou do nome do seu cachorro, o resultado aparece na hora. Se for de um texto que ninguém nunca escreveu, não aparece nunca.

Qual algoritmo escolher

MD5 devolve 32 caracteres. Nasceu em 1991 e ainda é o mais pedido, por força do hábito. Serve para conferir se um arquivo chegou inteiro, porque nesse caso o inimigo é a conexão cair no meio do download. Não serve para nada que envolva alguém querendo te enganar.

SHA-1 devolve 40 caracteres. Está na mesma situação do MD5, só que quebrou mais tarde. Ainda aparece em sistema antigo e em assinatura de arquivo, mas ninguém deveria escolher ele para coisa nova.

SHA-256 devolve 64 caracteres, e é a escolha padrão de hoje. Quando não houver motivo forte para outro, é esse. É ele que aparece na maior parte dos sites que publicam o hash dos arquivos, e é ele que roda por dentro do Bitcoin e de boa parte da internet.

SHA-512 devolve 128 caracteres. Mesma família do SHA-256, com mais folga. Aparece em servidor e em senha de sistema operacional.

CRC32 devolve só 8 caracteres, e não é da mesma turma dos outros. Ele foi feito para detectar erro de transmissão, não para resistir a ninguém. É o que o arquivo ZIP usa por dentro e o que a rede usa em cada pacote. Serve para responder “chegou inteiro?” e não serve para responder “é o mesmo arquivo?”.

Por que o MD5 saiu de cena

O problema tem nome: colisão. É quando dois conteúdos diferentes dão o mesmo hash. Em teoria, colisão sempre existe, porque o hash tem tamanho fixo e o mundo tem conteúdo infinito. Na prática, o que importa é se alguém consegue fabricar uma de propósito.

Com o MD5, consegue. Xiaoyun Wang e Hongbo Yu mostraram isso em 2004, e o par de blocos que elas encontraram está lá em cima nesta página para você calcular com as próprias mãos: dois blocos de 128 bytes, diferentes em 6 posições, com o mesmo MD5. O que na época levou horas de computador grande, hoje um notebook comum faz em segundos.

Isso já saiu do papel. Em 2012, o programa espião Flame usou uma colisão de MD5 para forjar um certificado que parecia assinado pela Microsoft, e com isso se instalava passando por atualização legítima do Windows.

Com o SHA-1 a mesma coisa aconteceu em 2017, no trabalho que o Google e o instituto holandês CWI batizaram de SHAttered: dois arquivos PDF com conteúdo visível diferente e o mesmo SHA-1.

A moral prática é curta. Se o que você quer é saber se o download corrompeu, MD5 resolve. Se existe alguém que ganharia alguma coisa te enganando, use SHA-256.

Senha nunca deve ser guardada em MD5

Se você tem um sistema feito sob medida, vale essa pergunta para quem cuida dele: como as senhas dos usuários estão guardadas? Se a resposta for MD5 ou SHA-1, tem problema, e não é pela colisão.

É pela velocidade. Esses algoritmos foram feitos para serem rápidos, e uma placa de vídeo comum testa bilhões de tentativas por segundo em cima deles. Uma lista de senhas em MD5 que vaze hoje está aberta amanhã, e a maioria delas nem precisa de esforço: as mais usadas já estão em tabela pronta.

O certo para senha é um algoritmo feito de propósito para ser lento e com um tempero aleatório por usuário: bcrypt, scrypt ou argon2. Aí a mesma senha de duas pessoas fica com resultados diferentes guardados, e cada tentativa custa caro para quem está atacando. Já que você está aqui, o gerador de senha faz a outra metade do trabalho.

Por que o hash “não bate” entre dois sistemas

Essa é a causa de quase todo suporte perdido em integração, e ela tem duas explicações possíveis.

A primeira é o acento. O hash é dos bytes, não das letras. A palavra ação escrita em UTF-8 vira uma sequência de bytes, e escrita em Latin-1 vira outra. São a mesma palavra na tela e conteúdos diferentes para o algoritmo, então o hash sai diferente. A ferramenta aqui de cima mostra os dois resultados lado a lado quando o seu texto tem acento, justamente para essa hora. Se quiser ver os bytes por baixo, o tradutor de binário abre a palavra byte a byte, e o conversor de Base64 passa pelo mesmo caminho.

A segunda é o que sobra na ponta. Um espaço no fim, um Enter invisível que o editor colocou, uma quebra de linha do Windows que tem dois bytes onde a do Linux tem um. Tudo isso é conteúdo e tudo isso muda o hash inteiro.

Como conferir um arquivo baixado, na prática

O passo a passo é o mesmo sempre. Baixe o arquivo. Ache o hash publicado pelo site oficial, que costuma estar na própria página de download, com o nome de checksum, SHA-256 ou soma de verificação. Escolha o arquivo no segundo bloco desta página, cole o hash publicado no campo de baixo e clique. A resposta é sim ou não.

Duas ressalvas que fazem diferença. O hash tem que vir da fonte oficial, e de preferência de um endereço diferente do arquivo: se as duas coisas estiverem no mesmo lugar invadido, quem trocou o arquivo trocou o hash junto e a conferência não prova nada. E se o hash não bater, não abra o arquivo por curiosidade. Baixe de novo, e se continuar diferente, apague.

Fora do navegador dá para fazer o mesmo. No Windows, certutil -hashfile arquivo SHA256 no Prompt de Comando. No Mac e no Linux, shasum -a 256 arquivo no terminal. O resultado é idêntico ao daqui, porque a conta é a mesma em qualquer lugar.