Hash MD5摘要与hexdigest碰撞风险

我通过散列一个包含所有这些信息的字符串，并比较散列对象的摘要，来比较个人信息，特别是他们的姓名、生日、性别和种族。这将生成一个32位的十六进制数，我将其用作数据库中的主键。例如，使用我的标识字符串的工作方式如下：

>> import hashlib
>> id_string = "BrianPeterson08041993MW"
>> byte_string = id_string.encode('utf-8')
>> hash_id = hashlib.md5(bytesring).hexdigest()
>> print(hash_id)
'3b807ad8a8b3a3569f098a575091bc79'

在这一点上，我试图确定碰撞风险。我的理解是MD5没有明显的冲突风险，至少对于相对较小的字符串是这样的（长度约为20-40个字符）。但是，我使用的不是128位摘要对象，而是32位十六进制摘要对象

---

现在，我相信hexdigest是对摘要的压缩（也就是说，它存储在更少的字符中），所以在比较hexdigest时，冲突的风险不是增加了吗？还是我错了？

一个缩写的32位十六进制摘要（8个十六进制字符）不够长，无法有效地保证用户数据库的无冲突性

生日碰撞概率的公式如下：

使用32位密钥意味着您的软件将在大约10000个用户时开始崩溃。在那之后，情况很快变得更糟。在100000个用户的情况下，碰撞概率为69%

64位密钥和100亿用户是另一个约2.7%冲突率的断点

对于1000亿用户（在可预见的未来，这是地球人口的一个慷慨上限），96位密钥在我看来有点冒险：真的，你需要一个128位的密钥，它给你

128位密钥的长度为128/4=32个十六进制字符。为了美观起见，如果要使用较短的键，则需要使用23个字母数字字符以超过128位。或者，如果您使用可打印字符（ASCII 32-126），则可以使用20个字符

因此，当您谈论用户时，您需要至少128位的无冲突随机密钥，或20-32个字符长的字符串，或128/8=16字节的二进制表示

现在，我相信hexdigest是对摘要的压缩（也就是说，它存储在更少的字符中），所以在比较hexdigest时，冲突的风险不是增加了吗？还是我偏离了基地

[……]

我想我的问题是：不同的表示方式是否有不同的机会成为非唯一的，这取决于它们使用多少信息单位来进行表示，而原始消息需要多少信息单位来编码？如果是的话，最好的表达方式是什么？嗯，让我为你的下一个答案做个开场白：像我10岁一样跟我说话

老问题，但是的，可以说你有点不对劲

重要的是随机位数，而不是演示文稿的长度

摘要只是一个数字，一个整数，可以使用不同数量的不同数字转换为字符串。例如，以不同半径显示的128位数字：

"340106575100070649932820283680426757569" (base 10)
"ffde24cb47ecbff8d6e461a67c930dc1" (base 16, hexadecimal)
"7vroicmhvcnvsddp31kpu963e1" (base 32)

Shorter是更好、更方便的（在auth令牌等中），但每个表示都有完全相同的信息和冲突机会。较短的表示形式较短，其原因与“55”比“110111”短的原因相同，但仍然编码相同的内容

可能还会澄清一些事情，以及玩弄以下代码：

new BigInteger("340106575100070649932820283680426757569").toString(2)

…或其他语言中的等效语言（上面的Java/Scala）

在更实际的层面上,

[…]我将其用作数据库中的主键

---

我不明白为什么不使用普通的自动递增id列（MySQL中的

BIGINT AUTO_INCREMENT

，PostgreSQL中的

BIGSERIAL

）来消除任何冲突机会。

32个字符·4位/字符=128位AH。所以hexdigest是表示散列的正确方法，并且不会增加非唯一性的风险？只返回二进制的十六进制表示形式。对。我想我的问题是：不同的表示方式是否有不同的机会成为非唯一的，这取决于它们使用多少信息单位来进行表示，而原始消息需要多少信息单位来编码？如果是的话，最好的表达方式是什么？嗯，让我为你的下一个答案做个开场白：像我10岁一样跟我说话。我只想知道：散列的大小与字符串的大小几乎相同。。。为什么要计算它，而不是用它作为密钥？这是一个很好的答案-谢谢！关于为什么不使用普通的自动递增ID的问题，如果使用哈希，只需知道底层数据即可在数据库中找到相关记录。但是，如果使用自动递增键（我确实出于某些目的使用了该键），则需要该键来查找记录（即，除非您已经知道该键，否则无法直接访问该记录）。当您希望快速搜索长字段组合而不必枚举查询中的每个字段时，哈希还提供了速度优势。