CRC32-controlesom berekenen

Wat een CRC32-controlesom is

Een cyclische redundantiecontrole behandelt de invoer als één lange binaire polynoom, deelt die door een vaste generatorpolynoom en bewaart de rest. Bij CRC-32 is die rest 32 bits lang, meestal geschreven als 8 hexcijfers of als een geheel getal zonder teken van 0 tot 4.294.967.295. Vrijwel elke wijziging in de gegevens verandert de rest.

CRC's zijn ontworpen voor de fouten die echte kabels, radioverbindingen en schijven veroorzaken. CRC-32 detecteert elke burstfout (een reeks beschadigde bits) tot 32 bits lang, en een willekeurige beschadiging blijft maar in ongeveer één op de 4,3 miljard gevallen onopgemerkt. Bovendien is CRC-32 erg snel te berekenen; daarom zit het ingebouwd in ZIP, gzip, PNG en Ethernet-frames.

CRC-32 en CRC-32C

Beide beginnen bij 0xFFFFFFFF, verwerken de bits van elke byte met de minst significante bit eerst en inverteren de eindwaarde; alleen de polynoom verschilt, dus dezelfde gegevens leveren twee resultaten op die niets met elkaar te maken hebben. De eerste is wat de meeste tools met "CRC32" bedoelen en staat gecatalogiseerd als CRC-32/ISO-HDLC. CRC-32C werd later door opslag- en netwerkprotocollen overgenomen vanwege de sterkere foutdetectie. Google Cloud Storage rapporteert CRC-32C, en Amazon S3 een van beide varianten, als Base64 van de vier bytes in big-endian-volgorde, en dat is precies wat de Base64-uitvoer toont.

Een controlesom, geen beveiligingscontrole

Een CRC beschermt tegen ongelukken, niet tegen aanvallen. Een CRC is een lineaire functie, dus iedereen kan een bestand wijzigen en daarna vier bytes aanpassen zodat de CRC-32 gelijk blijft. Een overeenkomende CRC bewijst dus niets over opzettelijke manipulatie. Vergelijk voor het controleren van een download een SHA-256-hash uit een betrouwbare bron; gebruik een HMAC om te bewijzen wie een bericht heeft verstuurd.

32 bits is ook te weinig om gegevens te identificeren. Bij ongeveer 77.000 willekeurige bestanden is de kans dat twee ervan dezelfde CRC-32 hebben al 50%, dus gebruik het niet als uniek ID of als sleutel voor ontdubbeling. Waar geen aanvaller in het spel is, zijn MD5 of SHA-256 veel betere vingerafdrukken.

CRC32 in code

# Python: zlib.crc32 geeft in Python 3 een waarde zonder teken;
# "& 0xffffffff" is alleen nodig voor Python 2
import zlib
format(zlib.crc32(b'123456789'), '08x')    # 'cbf43926'

// Node.js 20.15+ en 22.2+
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, en java.util.zip.CRC32C sinds Java 9

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

Let in PHP op de namen: het hashalgoritme met de naam crc32 is niet de ZIP-controlesom, maar de CRC die bzip2 gebruikt, weergegeven in omgekeerde bytevolgorde. Gebruik crc32b of de functie crc32() om dezelfde waarde te krijgen als ZIP, gzip en deze tool. De Unix-opdracht cksum gebruikt weer een andere variant die ook de bestandslengte meeneemt, dus dat getal komt met geen van beide overeen.