0

我知道使用人们已经发明的校验和算法总是更好。我希望能够通过执行校验和来比较两个文件是否相同。这些文件通过网络位于两台不同的计算机中，并且由于它们跨网络，因此在处理像我这样的大文件时，执行校验和而不是复制整个文件会更快。（我将首先执行其他测试，例如确保文件长度相同等。）

所以我创建了这个简单的算法：

private static double GetChecksum2(string file)
    {
        double checkSum = 0;

        var stream = File.OpenRead(file);

        // the bigger the chunck size the faster but the more memory usage by cpu
        // also when sending file over network it should not be that much more efficient

        int chunckSize = (int) Math.Pow(2,20); // 10 => kilobite   20 => megabite  30 => gigabite etc..
        byte[] buffer = new byte[chunckSize];

        int bytesRead = 0;

        while ( // while bytesRead > 0
            (bytesRead =
                (stream.Read(buffer, 0, buffer.Length)) // returns the number of bytes read or 0 if no bytes read
            ) > 0)
        {
            //buffer is now an array of size bytesRead

            // write those bytes to a file, perform checksum of file
            // etc...


            // temp check sum use a better algorithm I dont know if other computers will round 
            // doubles diferently

            for (int i = 0; i < bytesRead; i++)
            {
                checkSum = (((buffer[i] + i)/2 + checkSum))*.45;
            }


            //SHA256Managed sha = new SHA256Managed();
            //byte[] checksum = sha.ComputeHash(buffer);

        }

        return checkSum;
    }

我不知道使用此算法实现两个不同文件的校验和的几率是多少。

执行 1.06 GB 文件的校验和时，需要：5.2 秒完成，校验和为 321840.207306214

当我使用 SHA256Managed() 算法时，它需要 35.8 秒。

长 7 倍

我知道两个文件具有相同校验和的可能性与此算法不同，它们的可能性远低于我的算法。但是使用我的算法要快得多，我认为几率应该也很低......

或者也许我应该使用一个我不知道并且它已经存在的更快的算法......

编辑

我的问题是：

实现这个算法是否安全。我需要通过我的网络进行大量文件传输，如果我可以使用校验和算法来比较文件，那就太好了。也许我可以将每个文件拆分成块，然后替换校验和不匹配的块！

4

2 回答 2

3

浮点数学是不确定的。在不同的计算机或 .net 版本上，您可能会得到略有不同的结果。在您的算法中，可以通过 epsilon 比较来避免，但在许多算法中根本无法避免。

您的算法的另一个问题是早期字节的贡献变得指数级小。即只有文件的最后一部分会影响散列。一个快速的估计是只考虑最后几个 kB。这意味着您的哈希不适合其用途。

如果我们忽略舍入误差，我们可以简化您的公式：

(((buffer[i] + i)/2 + checkSum))*.45

buffer[i]*0.45/2 + i*0.45/2 + checkSum*0.45

解决递归给了我们：

Sum(buffer[i]/2*(0.45^(length-1)) + i*(0.45^(length-1)))

第二项仅取决于长度，因此在比较长度相同的文件时，您会得到：

Sum(buffer[i]/2*(0.45^(length-1)))
于 2011-12-05T19:41:20.777 回答
1

使用 adouble作为校验和容易出现浮点问题。我认为这是一个非常糟糕的主意。我也认为重新发明轮子也是一个糟糕的决定。有许多校验和算法可供您重复使用。

另外，一些相关的问题：

于 2011-12-05T19:39:21.587 回答