我在 Amazon S3 上有一个图像库。对于每张图片，我会 md5 我服务器上的源 URL 加上时间戳以获得唯一的文件名。由于 S3 不能有子目录，我需要将所有这些图像存储在一个平面文件夹中。
我需要担心产生的 MD5 哈希值的冲突吗？
奖励：在我开始看到 MD5 产生的哈希值冲突之前，我可以拥有多少个文件？
Ben Throop
问问题
92220 次
8 回答
317
仅两个哈希意外碰撞的概率为1/2 128 ，即340 十亿分之一 282 十亿分之 366 十亿分之 920 十亿分之一 938 十亿分之一 463 六分之一 463 十亿分之一 374 万亿分之一 607 万亿 4310 亿 7.68 亿 21.1 万 456。
但是，如果您保留所有哈希值，那么由于生日悖论，概率会更高一些。要使任何散列与任何其他散列冲突的概率为 50%，您需要2 64 个散列。这意味着要发生冲突，平均而言，您需要在100 年内每秒散列60亿个文件。
于 2008-11-13T22:06:41.253 回答
28
S3 可以有子目录。只需在键名中添加一个“/”，您就可以访问这些文件，就好像它们位于不同的目录中一样。我使用它根据 S3 中的用户 ID 将用户文件存储在单独的文件夹中。
例如：“mybucket/users/1234/somefile.jpg”。它与文件系统中的目录并不完全相同，但 S3 API 具有一些使其工作方式几乎相同的特性。我可以要求它列出所有以“users/1234/”开头的文件，它会显示该“目录”中的所有文件。
于 2008-10-14T15:46:53.233 回答
19
等等，是不是：
md5(filename) + timestamp
或者：
md5(filename + timestamp)
如果是前者，那么您最容易获得 GUID，我不会担心。如果是后者，请参阅 Karg 的帖子，了解您最终将如何遇到碰撞。
于 2008-10-14T15:47:34.467 回答
10
碰撞的粗略经验法则是值范围的平方根。您的 MD5 信号大概是 128 位长，因此您可能会看到超过 2^64 图像的冲突。
于 2008-10-14T15:45:59.383 回答
7
尽管随机 MD5 冲突极为罕见，但如果您的用户可以提供文件（将逐字存储），那么他们可以设计发生冲突。也就是说，他们可以故意创建两个 MD5sum 相同但数据不同的文件。确保您的应用程序能够以合理的方式处理这种情况，或者可能使用更强的哈希值，如 SHA-256。
于 2009-05-05T00:45:12.670 回答
5
尽管 MD5 因碰撞而引起的问题已广为人知，但随机数据之间的意外碰撞极为罕见。另一方面，如果您对文件名进行哈希处理，那不是随机数据，我希望很快就会发生冲突。
于 2008-10-14T15:48:28.270 回答
2
可能性有多大并不重要；有可能的。它可能发生在您散列的前两件事上（非常不可能，但可能），因此您需要从一开始就支持冲突。
于 2008-10-14T15:45:00.117 回答
1
MD5 碰撞是极不可能的。如果你有9 万亿个MD5，那么9 万亿中只有一次发生碰撞的机会。
于 2016-07-12T00:12:44.953 回答