c# - 使用文档哈希比较签名的 PDF 和未签名的 PDF

Question

经过广泛的谷歌搜索后，我开始怀疑我是否以某种方式遗漏了数字签名的要点。

这基本上是我认为我原则上应该能够做的事情，我希望 iTextSharp 允许我:

我正在用 C# 和 .NET 编写，并使用 iTextSharp 来解析 PDF 文件。我有一个未签名的 PDF 文件，还有一个相同文件的签名版本。

我知道数字签名从根本上对 PDF 数据进行哈希处理，使用私钥对其进行加密，然后验证过程的一部分是使用公钥对其进行解密，并确保再次进行哈希处理时结果与 PDF 数据匹配。

除此之外，我想获取这个解密的文档哈希，并将其与从我的未签名 PDF 生成的文档哈希进行比较。这是因为我不仅要验证签名的 PDF 是真实的，还要验证它是否与我记录在案的未签名 PDF 相同。我想我也可以通过将 PDF 数据(没有签名)与我记录的 PDF 数据进行比较来做到这一点。

我目前还没有想出如何做到这一点!即:

1. 如何从已签名的 PDF 中提取不包括签名的 PDF 数据？
2. 或者，我如何从未签名的 PDF 生成散列？
3. 与 2. 一起，如何从 PDF 签名中提取解密的哈希值？

希望这是清楚的，我没有错过任何地方!

Answer 1

关于这个:

"This is because I not only want to verify that the signed PDF is authentic, but also that it's the same unsigned PDF I have on record"

假设您只想知道您在服务器上获得的文档是真实的:

创建签名文档时，您可以选择只对文件的一部分或整个文档签名。然后您可以使用“整个文档”签名，如果您在服务器上取回的文档是“真实的”(这意味着签名验证成功)，那么它肯定与您记录在案的文档相同。

值得一提的是，PDF签名有两种类型，批准签名和认证签名。来自文档 Digital Signatures in PDF from Adobe :

(...) approval signatures, where someone signs a document to show consent, approval, or acceptance. A certified document is one that has a certification signature applied by the originator when the document is ready for use. The originator specifies what changes are allowed; choosing one of three levels of modification permitted:

• no changes
• form fill-in only
• form fill-in and commenting

假设您想要将您在服务器上获得的某些已签名文档与数据库中未签名的等效文档相匹配:

对于文件识别，我建议单独处理。一旦可以打开文档，就可以从所有页面的解压缩内容的串联中创建哈希(例如 md5)，然后将其与原始文档中的另一个类似哈希进行比较，(可以生成一次并存储在数据库中)。

我这样做的原因是它独立于文档上使用的签名类型。即使在 PDF 文件中编辑表单域、添加注释或创建新签名，页面内容也不会被修改，它始终保持不变。

如果您使用的是 iText，则可以使用 PdfReader.getPageContent 方法获取页面内容的字节数组。并将结果用于 computing a MD5 hash .

Java 中的代码可能如下所示:

PdfReader reader = new PdfReader("myfile.pdf");
MessageDigest messageDigest = MessageDigest.getInstance("MD5");
int pageCount = reader.getNumberOfPages(); 
for(int i=1;i <= pageCount; i++)
{
     byte[] buf = reader.getPageContent(i);
     messageDigest.update(buf, 0, buf.length);
}
byte[] hash = messageDigest.digest();

此外，如果服务器接收到一个文件，该文件未签名而返回时已签名，则签名可能仅引用文件的一部分，而不是全部。在这种情况下，签名摘要可能不足以识别文件。

来自 PDF 规范(我帐户中的粗体部分):

Signatures are created by computing a digest of the data (or part of the data) in a document, and storing the digest in the document.(...) There are two defined techniques for computing a reproducible digest of the contents of all or part of a PDF file:

-A byte range digest is computed over a range of bytes in the file, indicated by the the ByteRange entry in the signature dictionary. This range is typically the entire file, including the signature dictionary but excluding the signature value itself (the Contents entry).

-An object digest (PDF 1.5) is computed by selectively walking a subtree of objects in memory, beginning with the referenced object, which is typically the root object. The resulting digest, along with information about how it was computed, is placed in a signature reference dictionary (...).