CRC32 チェックサム計算ツール

CRC32 チェックサムとは

巡回冗長検査（CRC）は、入力全体を 1 つの長い 2 進多項式とみなして固定の生成多項式で割り、その余りを結果とします。CRC-32 では余りは 32 ビットで、通常は16進数 8 桁、または 0～4,294,967,295 の符号なし整数で表されます。データにほぼどんな変更を加えても、余りは変わります。

CRC は、実際のケーブル、無線、ディスクで発生するエラーを検出するために設計されています。CRC-32 は長さ 32 ビットまでのバースト誤りをすべて検出でき、ランダムな破損を見逃すのは約 43 億回に 1 回程度です。また、計算が非常に高速なため、ZIP、gzip、PNG、Ethernet フレームに組み込まれています。

CRC-32 と CRC-32C

どちらも初期値 0xFFFFFFFF から始め、各バイトのビットを最下位ビットから順に処理し、最後に値を反転します。異なるのは多項式だけですが、それによって同じデータからまったく無関係な 2 つの結果が得られます。多くのツールが「CRC32」と呼ぶのは前者で、CRC のカタログでは CRC-32/ISO-HDLC として登録されています。CRC-32C は誤り検出能力の高さから、後にストレージやネットワークのプロトコルで採用されました。Google Cloud Storage は CRC-32C を、Amazon S3 はどちらかの方式を、4 バイトをビッグエンディアン順に並べて Base64 にした形式で返します。これは、このツールの Base64 出力とまったく同じ形式です。

セキュリティ検査ではなく、あくまでチェックサム

CRC は偶発的な事故から守るためのもので、攻撃を防ぐものではありません。CRC は線形関数なので、誰でもファイルを改変したうえで 4 バイトを調整し、CRC-32 を変えないままにできます。そのため、CRC が一致しても、意図的な改ざんがないことの証明にはなりません。ダウンロードを確認するには信頼できる入手元の SHA-256 ハッシュ値と比較し、メッセージの送信者を証明するには HMAC を使用してください。

また、32 ビットはデータを識別するには短すぎます。ランダムなファイルが約 77,000 個あれば、そのうち 2 つが同じ CRC-32 になる確率はすでに 50% に達します。そのため、一意の ID や重複排除のキーとしては使わないでください。攻撃者が関与しない場面なら、MD5 や SHA-256 のほうがはるかに優れたフィンガープリントになります。

コードで CRC32 を計算する

# Python：Python 3 の zlib.crc32 は符号なし
# "& 0xffffffff" が必要なのは Python 2 のみ
import zlib
format(zlib.crc32(b'123456789'), '08x')    # 'cbf43926'

// Node.js 20.15 以降、22.2 以降
require('zlib').crc32('123456789').toString(16).padStart(8, '0')   // 'cbf43926'

// Go (import "hash/crc32")
crc32.ChecksumIEEE(data)                                   // CRC-32
crc32.Checksum(data, crc32.MakeTable(crc32.Castagnoli))    // CRC-32C

// Java：java.util.zip.CRC32、Java 9 以降は java.util.zip.CRC32C も使用可能

// PHP
sprintf('%08x', crc32('123456789'));   // 'cbf43926'
hash('crc32b', '123456789');           // 'cbf43926'（同じ CRC-32）
hash('crc32c', '123456789');           // 'e3069283'
hash('crc32', '123456789');            // '181989fc'（別の CRC）

PHP では名前に注意してください。crc32 という名前のハッシュアルゴリズムは ZIP のチェックサムではなく、bzip2 で使われる CRC を逆のバイト順で出力したものです。ZIP、gzip、このツールと同じ値を得るには、crc32b または crc32() 関数を使用してください。Unix の cksum コマンドはさらに別の方式を使っており、ファイルの長さも計算に含めるため、その値はどちらとも一致しません。