Generar hash MD5

Roto quiere decir que se pueden fabricar dos entradas distintas con el mismo hash, y no en teoría: en un portátil, en segundos. Eso destruye cualquier uso en el que el hash sirva para afirmar que un contenido no ha cambiado — firmas, certificados, comprobación de integridad frente a alguien que puede manipular el original.

No quiere decir que el hash sea reversible. Sigue sin haber forma práctica de recuperar el texto a partir del valor, y por eso MD5 conserva un uso honesto: detectar corrupción accidental, que no tiene un adversario detrás. Un archivo que se ha estropeado al copiarse no elige su hash.

Precisamente por lo que hace bien: es rapidísimo. Una tarjeta gráfica corriente prueba miles de millones de candidatos por segundo contra un MD5, así que una tabla de contraseñas hasheadas con él se rompe en horas, y las comunes en segundos.

Añadir sal ayuda contra las tablas precalculadas y no contra la velocidad. Para contraseñas hace falta un algoritmo diseñado para ser lento y costoso en memoria — bcrypt, scrypt o Argon2 —, y la lentitud no es un efecto secundario sino el objetivo. Si estás mirando esta página por una tabla de usuarios, la respuesta está en otro sitio.

Como clave de caché es adecuado: se necesita que entradas iguales den valores iguales y que entradas distintas casi nunca coincidan, y ambas cosas las cumple. Que sea rápido, que lo descarta para contraseñas, aquí es una ventaja.

También sigue apareciendo en interfaces antiguas que lo exigen y en verificaciones de descarga de proyectos que publican su MD5 desde hace veinte años. En ese último caso protege contra un espejo que sirvió un archivo truncado, no contra un espejo malicioso — y esa distinción es la que casi nunca se hace explícita.

Un MD5 son 128 bits, que se escriben como 32 dígitos hexadecimales. Siempre la misma longitud, sea la entrada una letra o un libro entero, porque un hash resume a tamaño fijo por definición.

De ahí una comprobación rápida y útil: si un valor que alguien llama MD5 no tiene 32 caracteres, no lo es. Cuarenta son SHA-1 y sesenta y cuatro SHA-256. Es un error de etiquetado más frecuente de lo que parece, sobre todo en documentación heredada.

Casi cualquier editor y cualquier herramienta de Unix escriben un salto de línea al final de un archivo — POSIX define una línea de texto como algo que termina en uno. Un campo de texto en el navegador no lo hace. Por eso el MD5 de un archivo que contiene una sola palabra no coincide con el MD5 de esa palabra escrita aquí.

Es la segunda causa más frecuente de que dos hashes «del mismo contenido» no cuadren, y es especialmente pesada porque ambos lados parecen obviamente correctos. Quien esté cotejando con `md5sum` tiene que contar con ese byte, o trabajar con el archivo y no con su contenido.

El hash se calcula sobre bytes, y aquí el texto se convierte a bytes en UTF-8. Una `ñ` son dos bytes y una `á` también, así que un texto en castellano tiene más bytes que caracteres y su hash refleja esos bytes concretos.

Si otra herramienta da un valor distinto para el mismo texto visible, la codificación es lo primero que hay que mirar: en Latin-1 la `ñ` habría sido un byte. Ninguno de los dos programas está mal — están hasheando textos distintos, y el desacuerdo vive una capa por debajo del hash.

Esta web tiene otra página que calcula sumas de verificación y esa sí acepta un archivo. Están separadas a propósito porque responden a preguntas distintas: aquella responde «¿ha llegado entera esta descarga?», y esta responde «¿cuál es el hash de este valor?».

Juntarlas obligaría a poner una zona de arrastre delante de quien quiere escribir una cadena y un campo de texto delante de quien tiene un archivo, y a cada uno le sobraría la mitad de la interfaz. El algoritmo es el mismo; la pregunta no.

Lo que se pega en un campo así suele ser un valor que no debería moverse: un dato de una fila que se está depurando, un candidato a contraseña que se quiere cotejar, un identificador. Como el cálculo ocurre en la página, nada de eso se nos comunica.

Conviene además recordar que un hash de un dato personal sigue siendo, a efectos prácticos, un dato personal cuando el conjunto de entradas posibles es pequeño: el MD5 de un correo electrónico se rompe probando correos. Hashear no anonimiza; solo dificulta la lectura directa.

Una clave de caché necesita dos propiedades: que entradas iguales den lo mismo y que distintas casi nunca coincidan. MD5 las tiene, y su velocidad — el motivo por el que no vale para contraseñas — lo hace apropiado justo aquí.

Se vuelve atacable solo si alguien gana algo haciendo que dos peticiones distintas caigan en la misma clave, por ejemplo para recibir la respuesta ajena guardada en caché. Donde las claves se construyen con datos que envía el usuario y la caché se comparte entre sesiones, eso merece pensarse; donde salen de parámetros internos, no.