Funcții hash: amprenta datelor
Fiecare om are o amprentă unică, mică, din care nu poți reconstrui omul, dar după care îl recunoști. O funcție hash face același lucru cu datele: transformă orice text sau fișier într-o amprentă scurtă, de lungime fixă. Hash-ul este cărămida de bază a oricărui blockchain, iar în această lecție îl calculezi cu hashlib.
Ce este o funcție hash
O funcție hash primește date de orice lungime (un cuvânt, o carte, un film) și întoarce un rezultat de lungime fixă, numit hash, digest sau amprentă. Aceleași date dau mereu același hash, iar date diferite dau, practic întotdeauna, hash-uri diferite.
Bitcoin folosește funcția SHA-256 (Secure Hash Algorithm, 256 de biți), publicată de NIST în 2001. O vei folosi în tot cursul: la blocuri, la minare, la adrese.
Hash-ul seamănă cu sigiliul de ceară pe un plic: nu îți spune ce scrie în scrisoare, dar dacă cineva umblă la ea, se vede imediat. În blockchain, fiecare bloc are un astfel de sigiliu.
SHA-256 în Python
Modulul hashlib din biblioteca standard are SHA-256. Funcția lucrează cu octeți (bytes), nu cu text, așa că textul se transformă întâi cu .encode() (detaliile în lecția 7). Rezultatul îl citești ca text hexazecimal cu .hexdigest():
import hashlib text = "Academia" amprenta = hashlib.sha256(text.encode()).hexdigest() print(amprenta) print(len(amprenta))
cc89baf2d5ca2de76cbfa5411ee5211b67ff52ce9a119eb168b1864fc9123d39 64
Între pași există un obiect intermediar: el știe numele algoritmului (name) și câți octeți are amprenta (digest_size, 32 de octeți = 256 de biți). De obicei scrii totul pe un singur rând, dar e bine să știi ce primești:
import hashlib
obiect = hashlib.sha256("Academia".encode())
print(obiect.name, obiect.digest_size)
print(obiect.hexdigest()[:12])sha256 32 cc89baf2d5ca
Lungime fixă, oricât de mari sunt datele
Uite trei texte: unul de 1 caracter, unul de 24 și unul de 24 000. Hash-urile au toate 64 de caractere:
import hashlib
for text in ["A", "Academia Programatorilor", "Academia Programatorilor" * 1000]:
h = hashlib.sha256(text.encode()).hexdigest()
print(len(text), "->", h[:16], len(h))1 -> 559aead08264d579 64 24 -> 4dcc35996d79ea8b 64 24000 -> 12880135b38195eb 64
Un caracter hexazecimal are 16 valori posibile (0–9, a–f), adică 4 biți. SHA-256 produce 256 de biți, deci 256 / 4 = 64 de caractere hex.
Același text, același hash
Funcția este deterministă: oricine, pe orice calculator, obține același hash pentru aceleași date. Așa pot două noduri din lumea întreagă să verifice că au același bloc fără să-și trimită blocul întreg:
import hashlib
h1 = hashlib.sha256("Ana -> Bogdan: 10".encode()).hexdigest()
h2 = hashlib.sha256("Ana -> Bogdan: 10".encode()).hexdigest()
print(h1 == h2)
print(h1[:20])True 829503cfa8cce9fe3280
Dar atenție: o literă mare sau un spațiu în plus înseamnă alte date, deci alt hash. În exercițiu vei vedea că „Academia” și „academia” au amprente complet diferite.
Greșeli frecvente
- **Uiți .encode().** hashlib.sha256("Academia") dă TypeError: Strings must be encoded before hashing (textul trebuie transformat în octeți înainte de hash).
- **Uiți .hexdigest().** Afișezi obiectul (ceva de forma <sha256 ... object @ 0x...>), nu amprenta.
- Confunzi hash-ul cu criptarea. Criptarea se poate inversa cu cheia potrivită; un hash nu se „decriptează” niciodată.
- **Folosești hash() din Python.** Funcția încorporată hash() dă alt rezultat la fiecare pornire a programului (pentru texte) și nu e criptografică. Pentru blockchain folosești mereu hashlib.
Unde se folosesc hash-urile
Fiecare bloc Bitcoin are un hash, iar blocul următor îl conține: așa se formează lanțul.
Site-urile serioase nu salvează parola ta, ci hash-ul ei (cu „sare”, vei vedea în lecția 18).
Paginile de download afișează SHA-256 al fișierului; după descărcare compari amprenta ca să știi că fișierul nu a fost modificat.
Fiecare commit din Git are un hash; istoricul unui proiect este și el un lanț de hash-uri.
Scrie funcția amprenta(text) care întoarce hash-ul SHA-256 al textului, în hex. Apoi, pentru fiecare dintre textele Academia, academia și textul gol, afișează pe o linie textul între ghilimele simple și hash-ul, iar pe linia următoare lungime: 64 (calculată cu len).
- Importă hashlib și scrie amprenta(text) cu hashlib.sha256(text.encode()).hexdigest().
- Parcurge lista ["Academia", "academia", ""] și afișează repr(text) și hash-ul, separate prin spațiu.
- Afișează pe linia următoare lungime: urmat de lungimea hash-ului.
Soluția exercițiului
import hashlib
def amprenta(text):
return hashlib.sha256(text.encode()).hexdigest()
for text in ["Academia", "academia", ""]:
h = amprenta(text)
print(repr(text), h)
print("lungime:", len(h)) 