Por qué el SHA-256 no sirve para comparar variantes

Una huella criptográfica como SHA-256 está diseñada para que cualquier cambio en el archivo, aunque sea de un solo bit, produzca un valor sin ninguna relación visible con el anterior. Esa propiedad es la que la hace útil para la cadena de custodia: si la huella coincide, el archivo es exactamente el mismo; si no coincide, algo cambió.

Por la misma razón, la huella no mide cuánto cambió. Dos archivos que difieren en un byte y dos archivos que no tienen nada en común dan huellas igual de distintas. Para la pregunta «¿es pariente?» la huella solo contesta un caso: «es el mismo».

Abre el laboratorio y ejecuta SELECT * FROM cola_martes.

Lo primero que hace la huella en una cola es quitar trabajo: un archivo que llegó dos veces, con nombres distintos o a personas distintas, se analiza una sola vez y se anotan todas sus llegadas. El nombre del archivo lo elige quien lo envía; la huella no.

Con la cola completa a la vista, cuenta lo que realmente hay que analizar. Un archivo repetido no es una segunda muestra: es una segunda llegada de la misma, y eso también se anota porque dice a cuántas personas alcanzó.

Ejecuta SELECT * FROM comparacion_bytes.

Fabián Chaparro dejó en el caso esta frase: «ECA-02 no tiene relación con ECA-01: su SHA-256 es distinto». La comparación byte a byte cuenta otra historia: los dos archivos miden lo mismo y solo cambian en un tramo pequeño, justo donde va la dirección de descarga. Es lo que ocurre cuando alguien reutiliza el mismo programa y le cambia un dato de configuración. Para eso hacen falta métodos que midan parecido, y son los que vienen en las salas siguientes.