T
checksum crc xxhash data-integrity security cryptography performance networking

Guía de Algoritmos de Checksum y Hashes No Criptográficos: De CRC a xxHash

Un análisis exhaustivo de CRC-8/16/32/64, Adler-32, xxHash, MurmurHash y hashes criptográficos especializados. Aprenda a elegir el algoritmo adecuado para la detección de errores y tablas hash de alto rendimiento.

2026-04-11 Usar esta herramienta

En el mundo de la informática y la transmisión de datos, garantizar que la información permanezca intacta y sin alteraciones es un desafío fundamental. Ya sea que esté transfiriendo archivos por una red, almacenando datos en un disco o implementando una tabla hash de alto rendimiento, necesita una forma de verificar que los datos que recibe sean exactamente los que se enviaron. Aquí es donde entran en juego los checksums (sumas de comprobación) y las funciones hash.

Aunque a menudo se usan indistintamente, los checksums y los hashes criptográficos sirven para propósitos diferentes. Esta guía profundiza en las diversas familias de algoritmos de checksum, específicamente el Cyclic Redundancy Check (CRC) y Adler-32, junto con hashes no criptográficos de alto rendimiento como xxHash y MurmurHash, y estándares criptográficos especializados como SM3 y RIPEMD-160.

1. Checksum vs. Hash: Detección de errores vs. Seguridad

Antes de sumergirse en algoritmos específicos, es crucial entender la distinción entre un checksum y una función hash criptográfica.

Checksums (Detección de errores)

Un checksum es un dato de pequeño tamaño derivado de un bloque de datos digitales con el fin de detectar errores que puedan haber sido introducidos durante su transmisión o almacenamiento.

  • Objetivo principal: Detectar cambios accidentales (ruido, inversión de bits, errores de transmisión).
  • Enfoque de diseño: Velocidad y eficiencia. Están diseñados para ser rápidos de calcular, a menudo directamente en hardware.
  • Debilidad: No son "seguros frente a adversarios". Un actor malintencionado puede modificar fácilmente los datos y el checksum para que coincidan.

Hashes Criptográficos (Seguridad)

Una función hash criptográfica es un algoritmo matemático que mapea datos de tamaño arbitrario a una cadena de bits de tamaño fijo.

  • Objetivo principal: Seguridad e integridad contra la manipulación intencionada.
  • Enfoque de diseño: Resistencia a colisiones (difícil encontrar dos entradas con el mismo hash) y resistencia a la preimagen (difícil revertir el hash).
  • Rendimiento: Generalmente más lentos que los checksums porque realizan muchas rondas de operaciones matemáticas complejas para garantizar la seguridad.

Hashes No Criptográficos (Estructuras de datos)

Estos se sitúan en el medio. Son mucho más rápidos que los hashes criptográficos pero proporcionan una mejor distribución y menos colisiones que los checksums simples. Son ideales para tablas hash y filtros de Bloom.

2. Familias de Cyclic Redundancy Check (CRC)

El Cyclic Redundancy Check (CRC) es probablemente el código de detección de errores más utilizado en redes digitales y dispositivos de almacenamiento. Su nombre proviene del hecho de que utiliza códigos "cíclicos" basados en la división polinómica.

Cómo funciona el CRC

El CRC trata un bloque de datos como un único número binario grande y lo divide por un "polinomio generador" específico. El resto de esta división es el valor CRC (el checksum). Si los datos se alteran, la división dará como resultado un resto diferente.

El árbol genealógico de CRC

CRC-8

  • Polinomio: A menudo 0x07 (ATM) o 0x31 (1-Wire).
  • Caso de uso: Pequeños paquetes de datos, redes de sensores (I2C/SMBus) y dispositivos IoT de bajo consumo.

CRC-16 y CRC-16/CCITT

  • CRC-16-IBM (0x8005): Utilizado en Modbus y USB.
  • CRC-16/CCITT (0x1021): Utilizado en X.25, HDLC y Bluetooth.
  • Fortaleza: Excelente para detectar todos los errores de bits simples y dobles y la mayoría de los errores en ráfaga.

CRC-32 y CRC-32C

  • CRC-32 (IEEE 802.3): El CRC "estándar" utilizado en Ethernet, Gzip, PNG y ZIP. Utiliza el polinomio 0x04C11DB7.
  • CRC-32C (Castagnoli): Utiliza el polinomio 0x1EDC6F41. Es significativo porque las CPUs modernas (Intel Nehalem y posteriores, ARMv8) incluyen instrucciones de hardware (CRC32 en SSE4.2) específicamente para este polinomio, lo que lo hace increíblemente rápido. Se utiliza en iSCSI, SCTP, Btrfs y Ext4.

CRC-64

  • CRC-64/ISO: Utilizado en HDLC y varios protocolos de almacenamiento.
  • CRC-64/XZ: Utilizado en el formato de compresión XZ.
  • Beneficio: Proporciona una probabilidad extremadamente baja de colisión (1 entre 18 trillones), lo que lo hace adecuado para la deduplicación y la verificación de conjuntos de datos masivos.

3. Adler-32: El favorito de Zlib

Adler-32 fue inventado por Mark Adler y se utiliza principalmente en la biblioteca de compresión zlib (el corazón de Gzip y PNG).

El algoritmo

A diferencia del CRC, que utiliza la división polinómica, Adler-32 se basa en la suma. Calcula dos checksums de 16 bits (A y B) y los concatena en un resultado de 32 bits.

  • A = 1 + datos[0] + datos[1] + ... + datos[n] (mod 65521)
  • B = (1 + datos[0]) + (1 + datos[0] + datos[1]) + ... (mod 65521)

Adler-32 vs. CRC-32

  • Velocidad: Adler-32 es significativamente más rápido que el CRC-32 cuando se implementa en software.
  • Fiabilidad: Es menos fiable que el CRC-32 para mensajes muy cortos (menos de unos pocos cientos de bytes) porque la suma "B" no se distribuye tan bien. Para archivos grandes, es generalmente suficiente para detectar errores aleatorios.

4. Hashes Criptográficos Especializados

Aunque SHA-256 es el rey de la seguridad hoy en día, se utilizan varios otros hashes criptográficos especializados o regionales en contextos específicos.

RIPEMD-160

Desarrollado en Europa como una alternativa abierta al SHA-1 diseñado por la NSA.

  • Legado: Es famoso por su uso en las direcciones de Bitcoin (específicamente, el hash de la clave pública se calcula usando SHA-256 seguido de RIPEMD-160). Esto proporciona un identificador más corto de 160 bits manteniendo una alta seguridad.

Whirlpool

Una función hash de 512 bits basada en una versión modificada del Advanced Encryption Standard (AES).

  • Estado: Forma parte del estándar internacional ISO/IEC 10118-3. Es conocido por su alto margen de seguridad pero es más lento que la familia SHA.

Tiger-192

Diseñado específicamente para arquitecturas de 64 bits en un momento en que la mayoría de los hashes (como MD5 y SHA-1) estaban optimizados para sistemas de 32 bits.

  • Caso de uso: A menudo se utiliza en redes de intercambio de archivos peer-to-peer (como Gnutella) para la identificación de archivos.

SM3

El estándar nacional chino para el hashing criptográfico.

  • Contexto: Parte de la serie "Guomiao" (Secreto de Estado). Es estructuralmente similar al SHA-256 pero con diferentes constantes y funciones de rotación. Es obligatorio para aplicaciones gubernamentales y financieras en China.

5. Hashes No Criptográficos de Alto Rendimiento

Para los desarrolladores que construyen sistemas de alta velocidad, la seguridad criptográfica es a menudo excesiva. Si solo necesita poner claves en un mapa hash lo más rápido posible, estos algoritmos son los estándares de la industria.

xxHash (XXH3)

Creado por Yann Collet (también creador de LZ4 y Zstd).

  • Rendimiento: Actualmente es el hash no criptográfico más rápido disponible, alcanzando los límites de velocidad de la RAM.
  • Caso de uso: Utilizado en RocksDB, Presto y muchos motores de procesamiento de datos.

MurmurHash (Murmur3)

Creado por Austin Appleby.

  • Fortaleza: Excelente distribución y simplicidad. Es el hash por defecto para muchas implementaciones de tablas hash, incluyendo las de Java, Ruby y Python (versiones antiguas).

FNV (Fowler-Noll-Vo)

El hash FNV está diseñado para ser extremadamente fácil de implementar con muy pocas líneas de código.

  • Mecanismo: Utiliza una serie de multiplicaciones por un número primo y operaciones XOR.
  • Caso de uso: Ideal para cadenas pequeñas y sistemas embebidos donde el espacio de código es limitado.

SipHash

A diferencia de los otros, SipHash es una función hash "con clave" (keyed).

  • El problema: Las funciones hash estándar son vulnerables a ataques de inundación de hash (Hash Flooding Attacks), donde un atacante envía claves específicas que causan muchas colisiones, ralentizando un servidor hasta detenerlo (Denegación de Servicio).
  • La solución: SipHash utiliza una clave secreta para aleatorizar el hash, haciendo imposible que un atacante prediga las colisiones. Ahora es el hash por defecto para cadenas en Rust, Python, Ruby y Perl.

6. Tabla Comparativa Detallada

Algoritmo Tamaño de Salida Tipo Velocidad Resistencia a Colisiones Ideal Para
CRC-32 32-bit Checksum Alta Moderada Redes, PNG, Gzip
CRC-32C 32-bit Checksum Ultra (HW) Moderada iSCSI, Btrfs, Kafka
Adler-32 32-bit Checksum Alta Baja (msj corto) Zlib, Gzip (Interno)
xxHash3 64/128-bit No Cripto Extrema Alta Big Data, Bases de Datos
Murmur3 32/128-bit No Cripto Alta Alta Tablas Hash
SipHash 64-bit Hash con Clave Moderada Muy Alta Protección Anti-Inundación
SM3 256-bit Cripto Baja Extrema Estándares Chinos
RIPEMD-160 160-bit Cripto Baja Muy Alta Direcciones Bitcoin

7. Casos de Uso Prácticos

Redes y Comunicación

Cuando su computadora envía un paquete por Ethernet, se añade un CRC-32 al final. El hardware receptor recalcula el CRC. Si no coincide, el paquete se descarta. Esto sucede millones de veces por segundo sin que usted lo note.

Almacenamiento en Disco y Sistemas de Archivos

Los sistemas de archivos modernos como ZFS y Btrfs almacenan un checksum para cada bloque de datos. Cuando lee un archivo, el sistema comprueba el hash (a menudo CRC-32C o SHA-256) para detectar la "corrupción de bits" (bit rot), el deterioro silencioso de los datos en un disco duro con el tiempo.

Lenguajes de Programación (Tablas Hash)

Cuando crea un diccionario en Python (dict) o un HashMap en Java, el lenguaje utiliza una función hash para decidir dónde almacenar sus datos en la memoria.

  • Python: Utiliza SipHash para evitar que los atacantes bloqueen la aplicación.
  • Redis: Utiliza MurmurHash2 para la indexación interna.

8. Ejemplos de Código

Calculando CRC-32 en Node.js

Node.js tiene un módulo zlib integrado que proporciona la funcionalidad CRC-32.

const zlib = require('zlib');

const data = Buffer.from('¡Hola, mundo del Checksum!');
const crc = zlib.crc32(data);

console.log(`CRC-32: ${crc.toString(16)}`);

Usando xxHash en Python

Puede usar la librería xxhash para un hashing extremadamente rápido de grandes volúmenes de datos.

import xxhash

data = b"Contenido de un gran conjunto de datos..."
h = xxhash.xxh64(data, seed=0)

print(f"xxHash64: {h.hexdigest()}")

9. FAQ: Errores Comunes

P: ¿Puedo usar CRC-32 para el hashing de contraseñas? R: Absolutamente no. El CRC-32 es un checksum diseñado para la detección de errores. Es trivial para un atacante crear una contraseña diferente que resulte en el mismo valor CRC-32. Use Argon2, bcrypt o scrypt para contraseñas.

P: ¿Por qué es el CRC-32C más rápido que el CRC-32? R: Aceleración por hardware. La mayoría de las CPUs modernas de Intel y AMD tienen una instrucción específica (CRC32) que calcula el polinomio Castagnoli (CRC-32C) en solo unos pocos ciclos de reloj.

P: ¿Cuándo debería elegir MurmurHash sobre xxHash? R: Facilidad de implementación. Si está escribiendo su propia tabla hash y no puede incluir librerías externas, Murmur3 es a menudo más fácil de implementar desde cero que el altamente optimizado xxHash.

P: ¿Es Adler-32 mejor que el CRC-32? R: Solo en velocidad (en hardware antiguo). En hardware moderno con instrucciones CRC, el CRC-32C es usualmente más rápido y fiable. Adler-32 se mantiene principalmente por compatibilidad hacia atrás en el formato zlib.

Resumen

Elegir el algoritmo adecuado depende totalmente de sus limitaciones:

  • Use CRC-32C para integridad de datos a alta velocidad en almacenamiento o redes.
  • Use xxHash para procesamiento interno de datos y tareas de Big Data.
  • Use SipHash para tablas hash expuestas a entradas de usuarios no confiables.
  • Use SHA-256 o SM3 cuando se requiera seguridad y resistencia criptográfica.

Comprender estas herramientas garantiza que sus sistemas sean rápidos y fiables, protegiendo sus datos tanto del ruido accidental como de la malicia intencionada.

Volver al blog Generador de Hash →