¿Qué es un hash y por qué aparece en todos los informes?
Un hash es un código de longitud fija que se calcula a partir del contenido de un archivo y que cambia por completo si el archivo se modifica en un solo bit. En una causa penal cumple dos funciones distintas: identificar archivos ya catalogados y demostrar que una copia no ha sido alterada.
La idea, sin matemáticas
Imagine una máquina a la que se le entrega un libro y devuelve una matrícula de cuarenta caracteres. El mismo libro produce siempre la misma matrícula. Si se cambia una coma, la matrícula resultante no se parece en nada a la anterior. Y a partir de la matrícula no se puede reconstruir el libro. Eso es una función hash aplicada a un archivo.
Los nombres que verá en el expediente
| Algoritmo | Tipo | Situación |
|---|---|---|
| MD5 | Criptográfico | Antiguo. Se sabe fabricar dos archivos distintos con el mismo valor. Sigue usándose por compatibilidad |
| SHA-1 | Criptográfico | Muy extendido en redes de intercambio. En 2017 se demostró públicamente una colisión fabricada a propósito |
| SHA-256 | Criptográfico | Estándar actual. No se conocen colisiones |
| PhotoDNA y similares | Perceptual | No compara el archivo exacto sino su apariencia. Reconoce una imagen aunque se haya recortado o cambiado de formato |
Primer uso: reconocer archivos conocidos
Las policías y las plataformas mantienen listas de huellas de material ya catalogado como ilícito. Comparar la huella de un archivo con esas listas permite detectarlo sin que nadie lo abra. Así nacen los avisos descritos en qué es un informe NCMEC y así clasifican los laboratorios policiales miles de ficheros en poco tiempo.
La consecuencia es que, en muchos informes, la afirmación «el archivo es pornografía infantil» significa en realidad «su huella coincide con una entrada de la lista». Si alguien verificó visualmente el contenido es un dato que debe constar.
Segundo uso: acreditar que la copia es fiel
Cuando se clona un disco se calcula la huella del original y la de la copia. Si coinciden, la copia es idéntica. Si meses después se vuelve a calcular y el valor es el mismo, nadie la ha tocado. Es la base técnica de lo expuesto en desprecinto y volcado.
Qué puede fallar
- Coincidencia aproximada tratada como exacta. Los algoritmos perceptuales trabajan con un margen de similitud y admiten falsos positivos. Una coincidencia de este tipo exige comprobación visual.
- Lista de referencia no identificada. El informe debe indicar contra qué base de datos se comparó y quién la mantiene.
- Huella calculada tarde. Si el valor de la copia se obtuvo días después del clonado, no garantiza lo ocurrido entre medias.
- Algoritmo débil como única garantía. Una integridad acreditada solo con MD5 es más discutible que una acreditada con SHA-256.
Una colisión accidental entre dos archivos reales con SHA-1 o SHA-256 es, a efectos prácticos, imposible. Plantearla como argumento principal de defensa resta credibilidad. Lo que sí tiene recorrido es preguntar qué se comparó, con qué, cuándo y quién lo comprobó.