Principio para modificar el hash de un archivo
Los hashes criptográficos típicos incluyen: MD5, SHA-1/256, etc. La característica central del diseño de las funciones hash criptográficas es el “efecto avalancha”: cualquier cambio mínimo en la entrada provoca un cambio enorme en la salida. Esto significa que, aunque solo se modifique un byte, todo el valor hash será completamente diferente. Por ejemplo, si escribes un documento de 2000 palabras y lo guardas en un archivo de Word, basta con cambiar un solo carácter, como añadir un espacio, para que el md5 de ese archivo cambie por completo. Por lo tanto, la esencia de “cambiar el hash de un archivo” es cambiar el contenido del propio archivo, no atributos externos como el nombre del archivo. Esta característica hace que la modificación del hash a nivel de archivo sea relativamente fácil de implementar.
Los distintos sistemas y formatos atribuyen los “metadatos” de forma diferente: si los metadatos están incrustados en los datos del archivo (por ejemplo, etiquetas dentro de un contenedor JPEG o de vídeo), cambiarlos modificará el hash; si los metadatos se almacenan en flujos de datos o atributos externos del sistema de archivos, cambiarlos no afecta al hash calculado según el contenido del archivo. Esto explica el fenómeno habitual de que “cambiar el nombre del archivo no cambia el hash, pero cambiar metadatos incrustados sí lo cambia”.
Transcodificación en plataformas de vídeo e “identificación de si se ha modificado el hash”
Después de que el usuario sube un vídeo a una plataforma de vídeo, la plataforma realiza lo siguiente:
Recepción del archivo original
Comprobación y validación del formato
Procesamiento de transcodificación (conversión de formato, ajuste de resolución, compresión)
Extracción de fotogramas clave
Cálculo de hashes en varias capas
Se trata de un flujo de transcodificación de “demultiplexación → decodificación → procesamiento → recodificación → multiplexación”, destinado a producir varias versiones con múltiples tasas de bits y resoluciones para la reproducción adaptativa. Este proceso por sí mismo cambia la secuencia de bytes del archivo y cualquier hash criptográfico previo a la subida.
A nivel de hash de archivo: durante la transcodificación, la plataforma vuelve a generar el archivo, por lo que el hash del archivo original cambia de forma natural. Por tanto, el hash del archivo que el usuario haya modificado previamente deja de tener significado después de la transcodificación. Así que la plataforma no identifica si ese archivo ha tenido modificado el md5 u otros hashes, ¡porque no tiene ningún sentido!
Las fases de deduplicación/detección de derechos de autor no dependen del hash del archivo proporcionado por quien lo sube, sino que la plataforma calcula sus propias “huellas de audio y vídeo/hash perceptual” sobre el contenido ya decodificado y las compara con las huellas de referencia de su base de datos; por ejemplo, Content ID de YouTube “toma huellas” del contenido subido y lo compara con las referencias proporcionadas por los titulares de derechos.
Por lo tanto, la plataforma no “identifica que el hash haya sido modificado”, sino que “ignora el hash subido, recalcula la huella del contenido y la compara”. Esto hace que cambiar simplemente los bytes del archivo o los metadatos del contenedor para modificar MD5/SHA no permita eludir la detección basada en contenido.
