问题标签 [hash-collision]

我需要比较大块数据的相等性，并且我需要每秒比较多对，快速。保证每个对象的长度相同，有可能并且很可能在未知位置处可能只有微小的差异。

下面的时序表明，==如果在数据开头附近存在差异，则使用运算符非常快，如果差异位于接近末尾，则使用操作符会显着变慢。

在我的用例中，差异可能位于字节的中间或末尾（上下文：它是未压缩的图像数据）。我寻找一种使用哈希或校验和来加快速度的方法。使用 md5 速度较慢，但​​ Python 的内置hash确实加快了速度。

我对这个哈希的技术细节感兴趣，它是否足够像哈希一样，hash(a) == hash(b)那时a == b很有可能？如果哈希冲突相当罕见，则可以接受误报，其目的是在平均情况下加快比较速度。

我知道将无限数量的字符串散列到 32b int 必须产生冲突，但我希望散列函数有一些很好的分布。

这两个字符串具有相同的哈希值是不是很奇怪？

我知道我可以使用boost::hash<std::string>or 其他人，但我想知道std::hash. 我用错了吗？我不应该以某种方式“播种”它吗？

我想知道在实例上调用GetHashCode()方法时获得重复值的概率。string例如，根据这篇博 blair文，brainlessness在 x86 机器上具有相同的哈希码 (1758039503)。

这是一个前缀散列函数。我想计算这种方法中的碰撞次数，但我不知道该怎么做。看起来它可能很简单，但我就是想不出一个很好的方法来做到这一点......

任何人都知道 MD5、Whirlpool、SHA[n] 等是否有任何“特殊”输入可能会得到一个十六进制摘要输出以对齐：

• 所有数字字符
• 所有字母字符
• 所有相同的字符/模式一致或完全重复

python中的示例：

这甚至可能吗？我对散列函数的了解仅限于将它们应用于数据库以存储密码的范围，这基本上是没有的。

但有时我想知道，在测试碰撞时，可能会出现这种情况......

我有两个输入（示例）：“Smooth Criminal”和“Billie Jean”，它们在通过哈希函数运行时返回相同的索引键。

在数组 [] 中，我想将歌曲 MP3 文件的路径保存在我的硬盘上。

假设它们都返回 0 作为索引键，因此“Smooth Criminal”进入索引：0 而“Billie Jean”进入索引 0 + 1^2 = 1。

当两首歌曲返回相同的键时，我如何在数组中找到“Billie Jean”的文件路径？

谢谢

据 Slashdot 报道，微软今天发布了 ASP.NET 更新以修复哈希冲突攻击。（在链接的 Technet 页面上列为“哈希表中的冲突可能导致 DoS 漏洞 - CVE-2011-3414”。）

问题在于 POST 数据被转换为使用已知散列算法的散列表。如果攻击者通过制作包含大量冲突的请求来使用它，他很容易导致拒绝服务。

有谁知道这个更新究竟是如何解决这个问题的？

我正在尝试对哈希实施冲突攻击（我正在访问“密码学”课程）。因此，我有两个哈希数组（= byte-sequences byte[]）并且想要找到两个数组中都存在的哈希。经过一些研究和大量思考，我确信单核机器上的最佳解决方案将是HashSet（添加第一个数组的所有元素并检查contains第二个数组的元素是否已经存在）。

但是，我想实现一个并发解决方案，因为我可以访问一台具有 8 个内核和 12 GB RAM 的机器。我能想到的最好的解决方案是 ConcurrentHashSet，它可以通过Collections.newSetFromMap(new ConcurrentHashMap<A,B>()). 使用这个数据结构，我可以并行添加第一个数组的所有元素，并且 - 在添加了所有元素之后 - 我可以同时检查 viacontains是否有相同的哈希值。

所以我的问题是：你知道为这个确切问题设计的算法吗？如果没有，您是否有使用此类 ConcurrentHashSet 解决问题和有效运行时复杂性的经验？或者你能推荐另一个可以帮助我的预建数据结构吗？

PS：如果有人对细节感兴趣：我打算使用Skandium来并行化我的程序。

md5 算法发生冲突的概率是多少？我相信它非常低。

我用 Java 编写了 HashMap 的实现。我使用开放寻址来解决冲突。为了更好的密钥分配，我想对密钥的哈希码使用一个很好的哈希函数int。我不知道什么哈希函数更适合它？

我需要一个哈希函数来处理密钥的哈希码。