一、指纹查毒是怎么工作的

最早的反病毒软件只有一张清单：把每个已知病毒文件的哈希列出来，扫的时候逐个比。 这个办法简单、快、误报几乎为零，因为哈希撞车在数学上几乎不可能。 它的死穴也在这句话里：只能认「一模一样的字节」。 攻击者只要在文件末尾加一个无用的字节，哈希就全新，而程序干的事一点没变。 这种手法叫加壳，而「每次感染都自动改一下自己」的叫多态。 于是反病毒只能往三个方向走：一是看行为，比如「这个程序在改系统目录、在写启动项」； 二是丢进沙箱跑一遍，看它到底干了什么； 三是算「模糊哈希」，也就是只看文件里那些不容易变的部分。 三条路都比对哈希贵得多，但没办法——因为对手已经不打算让字节保持一样了。

二、个人防火墙为什么能问「这个程序」

网络防火墙看的是地址和端口，它不知道是哪个程序发的包。 而装在你自己电脑上的那个防火墙能弹窗问你「是否允许某某程序联网」—— 因为它和程序跑在同一台机器上，能看见进程。 这个区别决定了它们的用途完全不同：网络防火墙管「外面能不能进来」， 主机防火墙管「里面的东西能不能出去」。 后者恰好补上了前者的盲区——一台中了木马的机器，它的外连请求在网关上看是「合法的出站流量」。 代价是它只能保护这一台机器：一百台电脑就要配一百次，而且用户随手点「允许」是常态。 所以企业里更常见的做法是「白名单加集中管理」，而不是靠弹窗让人自己判断。

三、三个手段，三种分工

哈希、加密、HMAC 经常被混为一谈，其实它们解决的问题完全不同：

第一行最容易被误解：「哈希一下再发」不等于「加密发送」。 哈希之后原文还在，只是多了一串指纹，谁都能看见内容，只是改了就会被发现。 第三行的区别在「钥匙」：普通哈希谁都能算，所以攻击者改完内容可以自己重算一个哈希贴上去； HMAC 用的是一把共享密钥，攻击者没有钥匙就算不出来。 所以「防篡改」这件事，光有哈希不够，必须有密钥参与——这一点在写接口签名的时候天天用到。

四、动手 Demo：改一个字节，哈希就面目全非

一个 1 MB 的随机文件，翻掉中间那个字节的最低位，看 MD5 和 SHA-256 各变成什么， 再统计翻转了多少位。

import hashlib, os

data = os.urandom(1 << 20)
bad = bytearray(data)
bad[len(data) // 2] ^= 0x01
bad = bytes(bad)

for name in ("md5", "sha256"):
    a = hashlib.new(name, data).hexdigest()
    b = hashlib.new(name, bad).hexdigest()
    print(name, a[:16], b[:16], sum(x != y for x, y in zip(a, b)))

tot = 0
for i in range(20):
    d = bytearray(data)
    d[len(data) // 2] ^= 1 << (i % 8)
    h1 = hashlib.sha256(data).digest()
    h2 = hashlib.sha256(bytes(d)).digest()
    tot += sum(bin(x ^ y).count("1") for x, y in zip(h1, h2))
print(round(tot / 20.0, 1))

实跑输出：

--------------------------------------------------------------------
改一个字节，哈希就面目全非
--------------------------------------------------------------------
**杀毒软件早期靠「文件指纹」认病毒**，**指纹就是哈希。**
**下面拿一个 1 MB 的随机文件，改中间一个字节，看哈希怎么变。**

**只翻了第 524288 个字节的最低位，变化 1 个比特。**

  算法            摘要长度        改之前                  改之后
  ----------------------------------------------------------------------------
  **MD5**         **16 字节**     `621d443df915d7b9`…     `03412c2fde44098b`…
  **SHA-256**     **32 字节**     `63fe55d839014c37`…     `53ea30d4cfa20b5b`…

**两行都完全变了，没有一个字节还是原来的。**
**这不是巧合，是设计目标：所谓「雪崩效应」，输入变一位，输出大约一半的位要翻转。**

**实测二十次，SHA-256 平均翻转 125.5 位，理论值是一半即 128 位。**
**MD5 的理论值同样是一半，也就是 64 位。**
**「大约一半」这四个字很重要**：**如果只变几位，就能靠「相似度」反推内容，哈希就不成立了。**

**但哈希做指纹有一个致命前提：文件的字节不能变。**
**攻击者只要在文件末尾塞一个无用的字节，指纹就全新**，**而程序行为一点没变。**
**这就是为什么「加壳」「多态」能绕开早期的特征库**：
**每一代病毒的哈希都不一样，但干的事是同一件。**

**顺带说清三件事的分工**：

  手段         防什么                 能做什么           不能做什么
  --------------------------------------------------------------------
  **哈希**     **防篡改**             **改了就发现**     **不保密**
  **加密**     **防窃听**             **看不懂**         **不防篡改**
  **HMAC**     **防篡改且防伪造**     **要有密钥**       **不保密**

**第一行第三列是关键**：**哈希不加密任何东西，文件内容仍然是明文。**
**所以「哈希一下再发」不等于「加密发送」**，**这两个需求必须用两个手段分别满足。**

两行摘要全变了，一个字节都没留下。 这不是巧合，是设计目标：所谓「雪崩效应」，输入改一位，输出大约一半的位要翻转。 实测二十次，SHA-256 平均翻转一百二十多位，理论值是一半即 128 位。 MD5 的理论值同样是它的一半，也就是 64 位。 「大约一半」这四个字很重要：如果只变几位，就能靠「相似度」反推内容，哈希就不成立了。 但这段代码同时也证明了反病毒软件的困境： 它只翻了一个比特，文件还完全能运行，指纹却彻底变了。 攻击者要做的事比这还简单——在末尾追加一个字节就行。 所以「靠哈希查毒」这件事，在对手开始主动变形的那天就失效了。

30 秒实验

1. 算一下：MD5 有 128 位、SHA-256 有 256 位，随机撞车要试多少次？ （各约 2 的 64 次方和 2 的 128 次方）
2. 想一下：为什么「加壳」能绕开指纹查毒？
3. 想一下：主机防火墙能看见什么，是网络防火墙看不见的？

常见误区

1. 以为「哈希就是加密」。 哈希单向、不可还原，原文还在，只是多了一串指纹。
2. 以为「哈希能防篡改所以够用了」。 攻击者可以改完重算，要防伪造必须有密钥，也就是 HMAC。
3. 以为「装了杀毒就不会中毒」。 它挡的是已知的，零日和数据加密勒索仍要看行为与备份。

下一节进正题：加密本身。对称和公钥不是二选一，它们必须合起来用。

• ☐ （本节完，下一节 9.3.1 对称密码体制与公钥密码体制）

相关笔记

• IDS（入侵检测系统）
• 对称密码体制与公钥密码体制
• 防火墙
• 📚 图解TCP／IP · 索引