SHA-1 vs SHA-256

http://www.keakon.net/2010/01/04/SHA-1%20vs%20SHA-256

最近想在GAE上实现一个验证码，但又不想用传统的键盘输入方式。一来是习惯用鼠标，切换到键盘很麻烦；二来是生成图片的成本很大，在GAE上还不能用C实现；三是在让机器难以识别的同时，也会造成用户的困惑。
所以想到Google曾经提出的一个技术：提供一组选项，用鼠标将正确的选项拖动到指定位置，然后提交。

在实现时我发现，如果不在客户端加密的话，这个提交过程是可以直接机器模拟的，也就造成验证码没有意义了。
既然加密是必须的，那么接着就该选择和非对称加密了。然而思考了一番后发现，如果用户本身要伪装自己，那么非对称加密是完全没用的：公钥和算法都告诉给用户了，用户用机器算出一个值就行了…
而非对称加密的性能不及前者，所以就应该考虑对称加密了。而且这个算法还需要经过修改，或者参数是用户所不知道的，才能防止伪造。
不过前端只能用JavaScript来加密（我不会也不喜欢Flash），那么源码是必然开放的；但没人会针对我一个个人网站去研究其加密算法，所以仍然是可行的。

于是回到正题，在选择对称加密算法时，有很多流行的选择，例如MD5和SHA。
实际上虽然MD5和SHA-1有碰撞算法，但并不影响密码明文的安全性，因为攻击者甚至都不知道碰撞的目标。但是我还是不选择MD5，原因是一旦碰撞的目标泄露，有很多网站可以破解MD5加密前的明文，这会泄露用户的资料，而且MD5的前缀碰撞法速度非常快；而目前仍没有SHA-1的破解网站，且SHA-1的碰撞算法仍需要2⁶³个计算复杂度，这个成本仍然是很大的（需要大型计算机较长时间的运算），所以至少目前不必担心。更重要的是，这种碰撞并不能让攻击者伪造任意密文，因此如果规定明文的格式（例如以时间开头），并验证其格式的话，就能排除伪造的密文。

接着就去测试了下性能，在本地计算机上用Python计算10万个随机数的hash值，MD5、SHA-1和SHA-256分别为0.20、0.21和0.30秒左右；在GAE上则为0.15、0.16和0.20秒左右。由此可见MD5的性能对于SHA-1来说没有任何优势。

测试脚本如下：

from hashlib import md5, sha1, sha256
from random import random
from time import time

SIZE = 1000000
rands = [`random()` for i in xrange(SIZE)]

t = time()
hash = [md5(rand).hexdigest() for rand in rands]
print time() - t

t = time()
hash = [sha1(rand).hexdigest() for rand in rands]
print time() - t

t = time()
hash = [sha256(rand).hexdigest() for rand in rands]
print time() - t

接着就看客户端加密了，在网上找到了SHA-1和SHA-256的JavaScript实现，在几种浏览器上测试了一下。
IE 6上计算100次分别为0.11s和0.48s；Firefox 3.5上计算1000次分别为0.26s和0.11s；Chrome 4上计算1000次分别为0.26s和0.11s；0.08s和0.16s。
总体上来说，SHA-1是要快于SHA-256的，这似乎与某些人的测试结果不同，而且即便在最慢的IE 6上，计算1次也就1ms，不会影响用户的感觉。所以SHA-1足够了。
测试脚本如下：

var SIZE = 1000;
var rands = [];
for (var i = 0; i < SIZE; ++i)
{
    rands.push(Math.random().toString());
}

var hash = [];

t = new Date();
for (rand in rands)
{
    hash.push(SHA1(rand));
}
document.write(new Date() - t);
document.write('<br/>');

hash = [];

t = new Date();
for (rand in rands)
{
    hash.push(SHA256(rand));
}
document.write(new Date() - t);

当然，回到最初的目的，实际上不用加密也是可行的。
验证码主要是基于较多的可能性，让穷举法比较费力来达到目的的；那么如果给用户一个序列，让用户排出正确的顺序，而穷举这个全排列的代价则是很高的。
至于排序的内容，当然不能使用数字或字母；一个不错的例子是弄几张照片，叫用户以照片里人物的年龄顺序来排列。