SHA-256算法和区块链原理初探

组内技术分享的内容，目前网上相关资料很多，但读起来都不太合自己的习惯，于是自己整理并编写一篇简洁并便于(自己)理解和分享的文章。
因为之前对密码学没有专门研究，自己的体会或理解会特别标注为“个人理解”，请注意甄别，如有必要可以自行查证。
阅读前需要树立一种观点：大部分场景都是基于概率的大小而言的，比如SHA256安全性、区块链不可更改性等。

SHA-256算法

简介

区块链的基础算法之一，在其中用于区块hash计算方法。

是SHA-2下的一个算法标准，而SHA-2全称安全散列算法2，即Secure Hash Algorithm 2，属于SHA算法之一，是SHA-1的后继者，一种密码散列函数算法标准，由美国国家安全局研发，由美国国家标准与技术研究院（NIST）在2001年发布。其下一共分六个不同的算法标准：SHA-224、SHA-256、SHA-384、SHA-512、SHA-512/224、SHA-512/256。

  • 个人理解: SHA-2没有完整的安全证明，可以认为是一种实践中产生的算法。

基本流程

  1. 将信息m补齐到长度对512取模为448得到m'
  2. 将信息m'尾部添加一个用64位表示的长度得到m"
  3. 将信息m"按512位分割成n份，循环处理n次，最终获得一个256位的信息摘要m'''，即为所需的摘要值。

理论基础

散列函数安全性

散列(hash)函数需要满足以下性质才是安全的：
1. 不能从散列结果得到原始信息，也就是密码学中的原像问题。
2. 不能出现两个不同的原始信息，但是hash结果一样，即碰撞问题。
3. 最好由原信息的微小变动能让hash结果面目全非，即雪崩效应。

  • 个人理解
    SHA-256的压缩函数不能完全满足这些性质，“安全”可以看做是破解的难度大小的相对值，而非绝对值。即，不是绝对安全，但是大概率安全。
    • 对于第1条，SHA-256做了充分混淆，但是能不能找到原像？有可能，但是时间上不允许。举例，一个长度是1的字符串，其SHA-256结果为m。那么遇到m，可以猜测原像有可能是1。“有可能”的原因见第2条的理解。
    • 对于第2条，因为散列后的摘要长度是2256，当有2256+1个原始信息时，一定有重复，只是在这个尺度下碰撞几率很小。
    • 第3条实际上强制性很弱，需要大量的反例来证明。我还没有看到相关的反例。

Merkle-Damgard结构

SHA-256的压缩函数满足Merkle-Damgard结构，此时可以保证压缩函数在满足散列函数安全性的前提下，在分组后做压缩时仍能保证。关于Merkle-Damgard结构，可以参考《密码学原理与实践》第四章及文末参考资料[2]。
  • 个人理解
    上一小节可以看到SHA-256的压缩函数的安全是概率性的，那么可以认为SHA-256分组处理时，分组处理的安全概率≈原压缩函数的安全概率。

伪码

// 所有变量均为无符号32位整型，计算时以2^32为模
// 1. 变量初始化
// 1.1 初始化变量第一部分：前8个质数(2, 3, 5 ... 19)的平方根的前32位
h0 := 0x6a09e667
h1 := 0xbb67ae85
h2 := 0x3c6ef372
h3 := 0xa54ff53a
h4 := 0x510e527f
h5 := 0x9b05688c
h6 := 0x1f83d9ab
h7 := 0x5be0cd19

// 1.2 初始化变量第二部分：前64个质数(2, 3, ..., 311)的立方根的前32位
k[0..63] :=
   0x428a2f98, 0x71374491, 0xb5c0fbcf, 0xe9b5dba5, 0x3956c25b, 0x59f111f1, 0x923f82a4, 0xab1c5ed5,
   0xd807aa98, 0x12835b01, 0x243185be, 0x550c7dc3, 0x72be5d74, 0x80deb1fe, 0x9bdc06a7, 0xc19bf174,
   0xe49b69c1, 0xefbe4786, 0x0fc19dc6, 0x240ca1cc, 0x2de92c6f, 0x4a7484aa, 0x5cb0a9dc, 0x76f988da,
   0x983e5152, 0xa831c66d, 0xb00327c8, 0xbf597fc7, 0xc6e00bf3, 0xd5a79147, 0x06ca6351, 0x14292967,
   0x27b70a85, 0x2e1b2138, 0x4d2c6dfc, 0x53380d13, 0x650a7354, 0x766a0abb, 0x81c2c92e, 0x92722c85,
   0xa2bfe8a1, 0xa81a664b, 0xc24b8b70, 0xc76c51a3, 0xd192e819, 0xd6990624, 0xf40e3585, 0x106aa070,
   0x19a4c116, 0x1e376c08, 0x2748774c, 0x34b0bcb5, 0x391c0cb3, 0x4ed8aa4a, 0x5b9cca4f, 0x682e6ff3,
   0x748f82ee, 0x78a5636f, 0x84c87814, 0x8cc70208, 0x90befffa, 0xa4506ceb, 0xbef9a3f7, 0xc67178f2

// 2. 预处理

// 2.1 给原始消息m末尾增加(接续)一个二进制1
m0 = add1bit(m)

// 2.2 给m0末尾增加连续k个0，直到其长度对 512取模后余数为448
// k >= 0
m1 = add0bitsWhenMod512Equals448(m0)

// 2.3 给m1末尾增加64bit表示的m1的长度, 以大端表示
m2 = addLengthBigEndian(m1)

// 3. 将m1拆分成l个以512bit为长度的块
sub_ms[l] = splitBy512bit(m1)
// 3.1 子块处理
for(sub_m : sub_ms ) {
    // 对每个512bit的子块，进一步拆成16个32bit的子块
    w[0...15] = splitBy32bit(sub_m)
    for(i from 16 to 63) {
        // 计算w[16]到w[63]
        //rightrotate 循环右移x位, rightshift右移x位高位补0
        s0 := (w[i-15] rightrotate 7) xor (w[i-15] rightrotate 18) xor(w[i-15] rightshift 3)
        s1 := (w[i-2] rightrotate 17) xor (w[i-2] rightrotate 19) xor(w[i-2] rightshift 10)
        w[i] := w[i-16] + s0 + w[i-7] + s1
    }

    // 局部变量初始化
    a := h0
    b := h1
    c := h2
    d := h3
    e := h4
    f := h5
    g := h6
    h := h7

    // 子块内主循环
    for i from 0 to 63 {
        s0 := (a rightrotate 2) xor (a rightrotate 13) xor(a rightrotate 22)
        maj := (a and b) xor (a and c) xor(b and c)
        t2 := s0 + maj
        s1 := (e rightrotate 6) xor (e rightrotate 11) xor(e rightrotate 25)
        ch := (e and f) xor ((not e) and g)
        t1 := h + s1 + ch + k[i] + w[i]
        h := g
        g := f
        f := e
        e := d + t1
        d := c
        c := b
        b := a
        a := t1 + t2
    }

    // 子块结果更新到全局变量
    h0 := h0 + a
    h1 := h1 + b
    h2 := h2 + c
    h3 := h3 + d
    h4 := h4 + e
    h5 := h5 + f
    h6 := h6 + g
    h7 := h7 + h
}

// 3.2 最终的摘要结果计算, append即位拼接
digest = hash = h0 append h1 append h2 append h3 append h4 append h5 append h6 append h7

区块链原理

一句话定义

去中心的分布式数据库。

数据结构

伪码如下

// 区块与前个区块相连。

/**
 * 区块
 */
class Block {
    /** 区块头 */
    BlockHead head;

    /** 区块体 */
    BlockBody body;
}

/**
 * 区块头
 */
class BlockHead {
    /** 生成时间 */
    Date gmtGenerate;

    /** 本区块体的hash值 */
    String bodyHashCode;

    /** 上个区块的hash值 */
    String prevHashCode;

    /** 难度系数 */
    int difficulty;

    /** 随机数, 32位*/
    int nonce;
}

/**
 * 区块体
 */
class BlockBody {
    /** 数据 */
    byte[] data;
}

区块的不可修改性

区块的hash=SHA256(区块头)，区块头包含上一个区块hash及本区块体的hash。因此，当前区块（无论区块头和区块体）或上一个区块发生变化，都会导致区块的hash变化。这个关系可以用公式表达为：

blockHash = SHA256(block.header) = SHA256(prevBlockHash + block.body + other)

因此，修改一个区块会导致断链，必须连锁地修改后续所有区块。由于后面会提到计算hash很慢的原因，几乎不可能，除非拥有全网51%计算能力——区块链因此得名。

*__个人理解__为什么是全网51%计算的能力？即在全网中所有计算能力都在挖矿时，修改的速度超过创建的速度。假设当前全网只有1%的计算能力在挖矿，那么你只要这1%的51%——全网的0.51%足矣。

挖矿——创建区块原理

为什么称为“挖矿”？

所有节点都会创建新的区块。为了保证节点同步，区块添加的速度不能太快。同步的速度由发明者中本聪设置为平均10分钟1次，即1小时6个。控制速度的方式是，创建区块需要大量的计算才能获得当前块的hash，此后才能添加新的块。这个海量计算过程类似于从大量的沙子中获取有用的一粒金子，因此被比喻为“挖矿”。但是“金子”并不完全是指这粒“合适的hash”，下文会提到。

难度系数与随机值

只有符合要求的hash才被区块链接受，这个要求是：hash < 常量targetMax / 当前区块difficulty。

大部分计算的hash是不符合条件的。为了使hash发生变化，需要改动区块头。为了让区块头产生变化，中本聪在区块头增加了随机值Nonce。从0开始计算到2^32位找到Nonce具体值的过程，就是挖矿的过程，因此Nonce和对应的hash合起来才是金子，而计算获得的hash只是需要做进一步确认金子的原石。

存在所有值都不是符合要求的Nonce的情况，此时协议允许矿工改变区块体，重新计算。

当然也存在符合条件的hash值有多个的情况，为了降低这种情况的概率，可以调节difficulty值。

创建时间平均化

根据当前的创建速度，可以动态地更改difficulty的大小来调节，确保近似平均10分钟1次。随着运算能力提升，difficulty会越来越大，导致挖矿难度越来越高。

区块链的分叉

如果同时提交两个区块，两者连接了同一个区块，那么区块链采用哪一个？

新节点总是采用最长的区块链；哪个分支先达到6个新区块（“6次确认”），区块链就会采用那条链。6次确认只需要1个小时就会完成。可见，取决于哪条分支拥有更多的计算速度。

被丢弃的短链，相关计算是完全没有价值的。在比特币中是这样，以太坊则会受到一定的补偿。

应用场景

8年的持续运行证实了其可行性。但是代价是：10分钟同步一次；大量无意义计算。因此使用场景有限：

  • 不存在所有节点信任的管理中心
  • 不要求实时写入
  • 挖矿收益弥补本身成本

目前的应用：比特币；电子证书等。

附：参考资料

  1. SHA-2定义及伪代码
  2. SHA256算法的理论基础(含SHA256与Merkle-Damgard结构关系简单证明)
  3. 区块链入门教程——阮一峰
posted @ 2018-12-22 17:37  五岳  阅读(1839)  评论(0)  编辑  收藏  举报
回到顶部