Hash散列算法详细解析（五）

 

关键词： tiger    fastest    hash                                          

 

      可能大家很少听说过Tiger算法。Tiger由Ross在1995年提出。Tiger号称是最快的Hash算法，专门为64位机器做了优化。Tiger和md5的添加数据的方式不同，它不是加上1个1及若干个0，而是增加一个0x01和若干个0。Tiger的输出是192位的，即24个字节。分组的大小也是和md5一样：64字节。Tiger有一个1024个元素的表。这个是其最大特点。

      下面是Tiger的算法代码。

#ifndef Goodzzp_Tiger_05_10_22_19
#define Goodzzp_Tiger_05_10_22_19

//Tiger
//program by Goodzzp
//05,10,22
//referred:
//http://www.cs.technion.ac.il/~biham/Reports/Tiger/
//notice:it is said that tiger will upgrade to tiger 2.0 soon.

#include "define.h"

#define PASSES 3

#define t1 (table)
#define t2 (table+256)
#define t3 (table+256*2)
#define t4 (table+256*3)

#define save_abc /
      aa = a; /
      bb = b; /
      cc = c;
#define round(a,b,c,x,mul) /
      c ^= x; /
      a -= t1[(UI8)(c)] ^ /
           t2[(UI8)(((UI32)(c))>>(2*8))] ^ /
    t3[(UI8)((c)>>(4*8))] ^ /
           t4[(UI8)(((UI32)((c)>>(4*8)))>>(2*8))] ; /
      b += t4[(UI8)(((UI32)(c))>>(1*8))] ^ /
           t3[(UI8)(((UI32)(c))>>(3*8))] ^ /
    t2[(UI8)(((UI32)((c)>>(4*8)))>>(1*8))] ^ /
           t1[(UI8)(((UI32)((c)>>(4*8)))>>(3*8))]; /
      b *= mul;
#define pass(a,b,c,mul) /
      round(a,b,c,x0,mul) /
      round(b,c,a,x1,mul) /
      round(c,a,b,x2,mul) /
      round(a,b,c,x3,mul) /
      round(b,c,a,x4,mul) /
      round(c,a,b,x5,mul) /
      round(a,b,c,x6,mul) /
      round(b,c,a,x7,mul)
#define key_schedule /
      x0 -= x7 ^ 0xA5A5A5A5A5A5A5A5L; /
      x1 ^= x0; /
      x2 += x1; /
      x3 -= x2 ^ ((~x1)<<19); /
      x4 ^= x3; /
      x5 += x4; /
      x6 -= x5 ^ ((~x4)>>23); /
      x7 ^= x6; /
      x0 += x7; /
      x1 -= x0 ^ ((~x7)<<19); /
      x2 ^= x1; /
      x3 += x2; /
      x4 -= x3 ^ ((~x2)>>23); /
      x5 ^= x4; /
      x6 += x5; /
      x7 -= x6 ^ 0x0123456789ABCDEFL;
#define feedforward /
      a ^= aa; /
      b -= bb; /
      c += cc;
#define compress /
      save_abc /
      for(pass_no=0; pass_no        if(pass_no != 0) {key_schedule} /
 pass(a,b,c,(pass_no==0?5:pass_no==1?7:9)); /
 tmpa=a; a=c; c=b; b=tmpa;} /
      feedforward

//Tiger hash 算法
class Tiger
{
public:
 //输出结果的长度（字节）
 static UI32 OutDataLength()
 {
  return 192/8;
 }
 //Tiger变换函数
 //out:输出，长度为24，要求事先已经分配了内存
 //in:输入
 //length:输入值的长度
 void Hash(UI8 *out,const UI8 *in,UI32 length)
 {
  UI32 i = length>>6,j=(length&0x3f),k;
  //对数据64 64个字节的计算
  for(k=0;k  {
   StepTransform((UI8 *)(in + k * 64),64,length);
  }
  //最后计算尾数
  StepTransform((UI8 *)(in + 64 * i),j,length);
  //拷贝输出
  memcpy(out,m_state,24);
  //恢复m_state值
  m_state[0]=0x0123456789ABCDEF;
  m_state[1]=0xFEDCBA9876543210;
  m_state[2]=0xF096A5B4C3B2E187;
 }
 //初始化
 //这里就是3个刚开始的值
 Tiger()
 {
  m_state[0]=0x0123456789ABCDEF;
  m_state[1]=0xFEDCBA9876543210;
  m_state[2]=0xF096A5B4C3B2E187;
 }
private:
 //每步的变换函数
 //输入:
 //  data:   要处理的数据块（不大于64字节）
 //  dataBlockLen: 数据块的长度
 //  dataTotalLen: 要处理的所有数据块的总长度
 //输出结果保存在m_state里面
 void StepTransform(UI8 *data,UI32 dataBlockLen, UI32 dataTotalLen)
 {
  UI8 buffer[64];
  UI32 len=dataTotalLen*8;

  memset(buffer,0,64);//清空数据为0
  memcpy(buffer,data,dataBlockLen);//拷贝数据到缓冲

  if(dataBlockLen <64) //需要增加数据
  {
   if(dataBlockLen<56)//当前数据是最后若干个，而且不需要增加一次变换
   {
    //添加1和0
    buffer[dataBlockLen]=0x01;
    //添加长度
    buffer[56]=(UI8)(len&0xff);
    len>>=8;
    buffer[57]=(UI8)(len&0xff);
    len>>=8;
    buffer[58]=(UI8)(len&0xff);
    len>>=8;
    buffer[59]=(UI8)(len&0xff);
    //变换
    FirstTransform((UI32*)buffer);
    CoreTransform();
   }
   else if(dataBlockLen>=56)
   {
    //添加1和0
    buffer[dataBlockLen]=0x01;
    //变换
    FirstTransform((UI32*)buffer);
    CoreTransform();
    //添加长度
    memset(buffer,0,64);
    buffer[56]=(UI8)(len&0xff);
    len>>=8;
    buffer[57]=(UI8)(len&0xff);
    len>>=8;
    buffer[58]=(UI8)(len&0xff);
    len>>=8;
    buffer[59]=(UI8)(len&0xff);
    //变换
    FirstTransform((UI32*)buffer);
    CoreTransform();
   }
  }
  else if(dataBlockLen == 64)
  {
   //变换
   FirstTransform((UI32*)buffer);
   CoreTransform();
  }
 }

 //把64字节的原始数据data进行初步转化到m_data中去
 void FirstTransform(UI32 *data)
 {
  memcpy(m_data,data,64);
 }
 
 //核心变换
 void CoreTransform()
 {
  UI64 a, b, c, tmpa,aa, bb, cc;
  UI64 x0, x1, x2, x3, x4, x5, x6, x7;
  UI32 pass_no;
  a = m_state[0];
  b = m_state[1];
  c = m_state[2];
  x0=m_data[0]; x1=m_data[1]; x2=m_data[2]; x3=m_data[3];
  x4=m_data[4]; x5=m_data[5]; x6=m_data[6]; x7=m_data[7];
  compress;
  m_state[0] = a;
  m_state[1] = b;
  m_state[2] = c;
 }

private:
 UI64 m_state[3];//保存有tiger输出值
 UI64 m_data[8]; //保存有每步变换时对输入的初始化转化值

 static const UI64 table[4*256]; //s-box
};
const UI64 Tiger::table[4*256] = {
    0x02AAB17CF7E90C5EL   /*    0 */,    0xAC424B03E243A8ECL   /*    1 */,
    0x72CD5BE30DD5FCD3L   /*    2 */,    0x6D019B93F6F97F3AL   /*    3 */,
    0xCD9978FFD21F9193L   /*    4 */,    0x7573A1C9708029E2L   /*    5 */,
    0xB164326B922A83C3L   /*    6 */,    0x46883EEE04915870L   /*    7 */,
    0xEAACE3057103ECE6L   /*    8 */,    0xC54169B808A3535CL   /*    9 */,
    0x4CE754918DDEC47CL   /*   10 */,    0x0AA2F4DFDC0DF40CL   /*   11 */,
    0x10B76F18A74DBEFAL   /*   12 */,    0xC6CCB6235AD1AB6AL   /*   13 */,
    0x13726121572FE2FFL   /*   14 */,    0x1A488C6F199D921EL   /*   15 */,
    0x4BC9F9F4DA0007CAL   /*   16 */,    0x26F5E6F6E85241C7L   /*   17 */,
    0x859079DBEA5947B6L   /*   18 */,    0x4F1885C5C99E8C92L   /*   19 */,
    0xD78E761EA96F864BL   /*   20 */,    0x8E36428C52B5C17DL   /*   21 */,
    0x69CF6827373063C1L   /*   22 */,    0xB607C93D9BB4C56EL   /*   23 */,
    0x7D820E760E76B5EAL   /*   24 */,    0x645C9CC6F07FDC42L   /*   25 */,
    0xBF38A078243342E0L   /*   26 */,    0x5F6B343C9D2E7D04L   /*   27 */,
    0xF2C28AEB600B0EC6L   /*   28 */,    0x6C0ED85F7254BCACL   /*   29 */,
    0x71592281A4DB4FE5L   /*   30 */,    0x1967FA69CE0FED9FL   /*   31 */,
    0xFD5293F8B96545DBL   /*   32 */,    0xC879E9D7F2A7600BL   /*   33 */,
    0x860248920193194EL   /*   34 */,    0xA4F9533B2D9CC0B3L   /*   35 */,
    0x9053836C15957613L   /*   36 */,    0xDB6DCF8AFC357BF1L   /*   37 */,
    0x18BEEA7A7A370F57L   /*   38 */,    0x037117CA50B99066L   /*   39 */,
    0x6AB30A9774424A35L   /*   40 */,    0xF4E92F02E325249BL   /*   41 */,
    0x7739DB07061CCAE1L   /*   42 */,    0xD8F3B49CECA42A05L   /*   43 */,
    0xBD56BE3F51382F73L   /*   44 */,    0x45FAED5843B0BB28L   /*   45 */,
    0x1C813D5C11BF1F83L   /*   46 */,    0x8AF0E4B6D75FA169L   /*   47 */,
    0x33EE18A487AD9999L   /*   48 */,    0x3C26E8EAB1C94410L   /*   49 */,
    0xB510102BC0A822F9L   /*   50 */,    0x141EEF310CE6123BL   /*   51 */,
    0xFC65B90059DDB154L   /*   52 */,    0xE0158640C5E0E607L   /*   53 */,
    0x884E079826C3A3CFL   /*   54 */,    0x930D0D9523C535FDL   /*   55 */,
    0x35638D754E9A2B00L   /*   56 */,    0x4085FCCF40469DD5L   /*   57 */,
    0xC4B17AD28BE23A4CL   /*   58 */,    0xCAB2F0FC6A3E6A2EL   /*   59 */,
    0x2860971A6B943FCDL   /*   60 */,    0x3DDE6EE212E30446L   /*   61 */,
    0x6222F32AE01765AEL   /*   62 */,    0x5D550BB5478308FEL   /*   63 */,
    0xA9EFA98DA0EDA22AL   /*   64 */,    0xC351A71686C40DA7L   /*   65 */,
    0x1105586D9C867C84L   /*   66 */,    0xDCFFEE85FDA22853L   /*   67 */,
    0xCCFBD0262C5EEF76L   /*   68 */,    0xBAF294CB8990D201L   /*   69 */,
    0xE69464F52AFAD975L   /*   70 */,    0x94B013AFDF133E14L   /*   71 */,
    0x06A7