什么是 MD5 碰撞？如何预防？

MD5 碰撞指生成两个不同输入文件或数据块，但其 MD5 哈希值完全相同，这种因哈希算法局限性而产生的现象会严重威胁文件完整性校验、身份认证和其他依赖唯一哈希标识的安全机制。例如在文件传输或密码存储中，MD5 碰撞被用于伪造数据、绕检测系统。要有效预防，可以实施以下方法：

1. 升级到更安全的哈希算法
   • MD5 被证明容易被攻击（其 128 位输出易于碰撞），推荐改用 SHA-256 或 SHA-3 等高复杂度的替代方案。它们拥有更长的输出（如 SHA-256 的 256 位长度）和极低碰撞概率。
   • 在文件校验场景中：
     • 旧系统迁移到 SHA-256 显著增强可靠性。

     • 通过算法对比实现安全提升：

       特性	MD5	SHA-256
       哈希长度（位）	128	256
       碰撞风险	高	极低
       安全性	已破解，避免使用	推荐用于生产环境

2. 实施加盐技术
   • 对于密码加密或敏感信息处理，通过添加随机“盐”值到输入中，再执行哈希计算。这使相同输入对应不同输出，阻止碰撞攻击如彩虹表破解。

     // 例如在 Node.js 环境下使用 bcrypt 进行盐化密码处理的基本逻辑（避免直接 MD5 加密）
     const salt = await bcrypt.genSalt(10); // 生成随机盐值
     const hashedPassword = await bcrypt.hash(rawPassword, salt); // 加盐后哈希存储
     

   • 盐值应与哈希值分开存储以增加破解难度，避免单纯依赖标准算法造成的弱点。
3. 应用双重或多重校验机制
   • 同时计算输入的 MD5 和 SHA-256 等多种哈希值来验证数据。这样结合时，单一算法被攻击无法同时绕过所有检测层。
   • 在网络安全应用中，结合特征维度如文件大小、行为分析或机器学习模型，以降低依赖单一哈希带来的风险并维持精度开销比平衡。
     操作示例：当接收可疑样本时：
     1. Calculate file hash via MD5 & SHA-256.
     2. Extract filesize and behavioral metadata (e.g., execution path).
     3. Run ML model to predict threat likelihood before action.

总之，这些措施应对高敏感场景确保前端安全机制。