立即停止使用MD-5！

TL;DR：不要使用MD-5来识别恶意软件样本。相信我，这是个坏主意。使用SHA-256或更强的哈希函数。

这篇文章献给所有仍在用MD-5识别恶意软件样本的恶意软件研究人员。

在深入细节之前，让我先解释一下我对这个话题的看法。每当你想要识别一个恶意软件时，只有在你同时发布恶意软件的SHA-256哈希值的情况下，发布其MD-5哈希值才是可以接受的。仅发布MD-5哈希值是不专业的。如果你想了解原因，请继续阅读。如果你已经知道这个问题，但想帮我传播信息，请链接到我的网站 www.stopusingmd5now.com。

通过撰写文章/帖子等并仅发布MD-5哈希值，你不仅向人们展示了你在哈希函数方面的无能，还教其他人使用MD-5。而且它像疾病一样传播……最后但同样重要的是，如果我在你的博客文章上找到一个样本，而你只使用MD-5，我无法确定我们拥有相同的样本。

以下是一些不好的例子列表（按谷歌搜索排名顺序）：

• Kaspersky
• Bromium
• Fireeye
• Webroot
• Mcafee
• Fox-IT
• Cisco
• SANS
• ESET
• Symantec
• Watchguard

不幸的是，甚至最好的恶意软件分析书籍也推广使用MD-5——参见《实用恶意软件分析》第1章第10页。

（加密）哈希函数简介

很久以前（根据一些来源自1970年起），人们开始设计哈希函数，原因多种多样。它可以用于文件完整性验证、密码验证、伪随机生成等。但加密哈希函数最重要的特性之一是，它可以用一个小的、固定长度的位串“唯一”标识一个数据块。例如，恶意软件可以仅通过哈希本身来识别，因此每个拥有相同恶意软件样本的人都会有相同的哈希值；这样他们就可以通过哈希本身来引用恶意软件。

很容易得出结论，总会存在碰撞，即不同的数据块具有相同的哈希结果。域（数据块）是无限的，而值域（可能的哈希值）是有限的。问题在于找到两个具有相同哈希的不同数据块有多容易。数学家称这种特性为“抗碰撞性”。适当的加密哈希函数是抗碰撞的，意味着找到两个具有相同哈希的不同数据块是不切实际或不可能的。

1989年，Ronald Rivest（RSA算法缩写中的第一个字母）设计了MD-2哈希算法。自1997年起，就有出版物指出这种哈希算法远非完美。

1990年，Ronald Rivest设计了MD-4算法，该算法至少从1991年起就被认为是已破解的。但MD-4仍在使用，从Windows XP到Windows 8的密码协议（NTLM）中都在使用。不幸的是，除了使用MD-4之外，NTLM还有更多严重问题，但这可能是另一篇博客文章的主题。

1991年（你可能猜到是谁）设计了另一种称为MD-5的哈希算法，以取代MD-4（由于已知的弱点）。但同样，从1993年起，多次表明MD-5也被破解。根据维基百科，“2006年3月18日，Klima发布了一种算法[17]，可以在单个笔记本电脑上一分钟内找到碰撞，使用他称为隧道的方法”。这意味着，使用8年前的单台笔记本电脑的计算能力，就可以创建两个具有相同MD-5哈希的不同文件。但生成碰撞的算法自那时起已经改进，并且“2013年由Xie Tao、Fanbao Liu和Dengguo Feng发起的攻击在2^18时间内打破了MD-5的抗碰撞性。这种攻击在普通计算机上运行时间不到一秒。”这里的关键点是，设计一个既快速又安全的加密哈希函数非常困难。我敢打赌，如果我开发一个哈希函数，Ron能在几分钟内破解它。

现在，亲爱的恶意软件研究人员，考虑以下场景。你作为恶意软件分析师，找到了一个新的二进制样本。你计算了恶意软件的MD-5哈希，并在谷歌上搜索该哈希值。你在其他恶意软件研究人员或沙盒/供应商的网站上看到这个哈希值。该网站得出结论，这个样本做这做那，是恶意的或不是。要么因为该网站也仅依赖MD-5，要么因为你只检查了MD-5且研究人员或沙盒有良好声誉，你继续前进并忘记了这个二进制文件。但实际上，你的二进制文件可能与其他人分析的完全不同。这种错误的后果可能从无到灾难性不等。

如果你不相信我，只需检查Peter Sellinger网站上的hello.exe和erase.exe。相同的MD-5，不同的二进制文件；一个无害，一个（假）恶意……而且你可以在家轻松做到这一点。不需要超级计算机，不需要NSA魔法。

顺便提一下，重要的是要提到，即使今天，如果只知道MD-5哈希值，找到数据块（通用）仍然可能很困难（“原像抗性”）。当我告诉他们使用MD-5作为密码哈希函数是个坏主意时，我听到有人争论这一点。MD-5作为密码哈希的主要问题不是MD-5本身的弱点，而是缺乏盐、缺乏迭代和缺乏内存硬度。但我仍然看不到任何理由，为什么你应该使用MD-5作为任何与安全相关的构建块。你会用一辆23年未维护的汽车送孩子上学吗？如果你的答案是肯定的，你既不应该有孩子，也不应该在IT安全领域工作。

结论

如果你是一名恶意软件研究人员，并且过去仅使用MD-5来识别恶意软件样本，我建议你写1000遍：“我承诺将来不会使用MD-5来识别恶意软件。”

我甚至为此问题专门建立了一个网站，www.stopusingmd5now.com。下次你看到仅通过MD-5哈希识别恶意软件的帖子/文章/任何内容时，请链接到这篇博客文章或网站，世界将变得更美好、更专业。

PS： 如果你是一名取证调查员，或开发用于取证的软件的软件开发人员，同样适用于你。 PS 2： 如果你觉得这篇文章太 provocative 和 harsh，这是有原因的……

更新： 我在HashClash的帮助下修改了两个恶意软件（Citadel, Atrax），现在它们具有相同的MD-5。非常感谢Marc Stevens的研究、发布他的代码以及在碰撞查找过程中提供的帮助。