Beräkna CRC32-kontrollsumma

Vad en CRC32-kontrollsumma är

En cyklisk redundanskontroll (CRC) behandlar indatan som ett enda långt binärt polynom, dividerar det med ett fast generatorpolynom och behåller resten. För CRC-32 är resten 32 bitar, som oftast skrivs som 8 hexsiffror eller som ett heltal utan förtecken från 0 till 4 294 967 295. Nästan varje ändring av datan ändrar resten.

CRC:er är utformade för de fel som verkliga kablar, radiolänkar och diskar ger upphov till. CRC-32 upptäcker varje skur av förvanskade bitar som är upp till 32 bitar lång, och en slumpmässig förvanskning går obemärkt förbi bara ungefär en gång på 4,3 miljarder. Den är dessutom mycket snabb att beräkna, och därför är den inbyggd i ZIP, gzip, PNG och Ethernet-ramar.

CRC-32 och CRC-32C

Båda startar från 0xFFFFFFFF, bearbetar bitarna i varje byte med den minst signifikanta biten först och inverterar slutvärdet; bara polynomet skiljer sig, så samma data ger två helt orelaterade resultat. Den första är vad de flesta verktyg menar med "CRC32" och katalogiseras som CRC-32/ISO-HDLC. CRC-32C infördes senare i lagrings- och nätverksprotokoll tack vare sin bättre feldetektering. Google Cloud Storage anger CRC-32C, och Amazon S3 vilken som helst av de två varianterna, som Base64 av de fyra byten i big-endian-ordning, vilket är exakt vad Base64-utdatan visar.

En kontrollsumma, inte en säkerhetskontroll

En CRC skyddar mot olyckor, inte mot attacker. Den är en linjär funktion, så vem som helst kan ändra en fil och sedan justera fyra byte så att dess CRC-32 förblir oförändrad. En CRC som stämmer bevisar därför ingenting om avsiktlig manipulation. För att kontrollera en nedladdning jämför du ett SHA-256-hashvärde från en betrodd källa; för att bevisa vem som skickade ett meddelande använder du en HMAC.

32 bitar är också för lite för att identifiera data. Bland cirka 77 000 slumpmässiga filer når sannolikheten att två av dem har samma CRC-32 redan 50 %, så använd den inte som unikt ID eller som nyckel för deduplicering. Där ingen angripare är inblandad är MD5 eller SHA-256 mycket bättre fingeravtryck.

CRC32 i kod

# Python: zlib.crc32 är utan förtecken (unsigned) i Python 3;
# "& 0xffffffff" behövs bara i Python 2
import zlib
format(zlib.crc32(b'123456789'), '08x')    # 'cbf43926'

// Node.js 20.15+ och 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 och java.util.zip.CRC32C sedan Java 9

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

Se upp med namnen i PHP: hashalgoritmen som heter crc32 är inte ZIP-kontrollsumman utan den CRC som bzip2 använder, utskriven i omvänd byteordning. Använd crc32b eller funktionen crc32() för att få samma resultat som ZIP, gzip och det här verktyget. Unix-kommandot cksum använder ytterligare en variant som dessutom blandar in filens längd, så dess tal stämmer inte med någon av dem.