Hash 选择散列函数

我想知道：在保持哈希函数的预期冲突计数的同时，可以安全地哈希的最大字节数是多少

---

对于md5、sha-*，甚至可能是crc32或adler32。

你基本上是在看生日悖论，只看真正大的数字。 考虑到数据的正态“分布”，我认为在遇到问题之前，你可以找到大约5-10%的可能性，尽管没有任何保证

---

只需使用足够长的散列，就不会遇到问题；）

你的问题不清楚。“最大字节数”是指“最大项目数”？被散列的文件的大小与冲突的数量无关（当然，假设所有文件都不同）

你说的“保持预期的碰撞次数”是什么意思？从字面上看，答案是“无限的”，但在一定数量之后，你会像预期的那样发生碰撞

关于“在将冲突概率保持在x%以下的情况下，我可以散列多少项？”问题的答案，请看下表：

从链接：

作为比较，10^-18到10^-15是典型硬盘的不可纠正误码率[2]。理论上，128位的MD5应该保持在这个范围内，直到8200亿个文档，即使其可能的输出要多得多

这假定一个输出均匀分布的哈希函数。您可以假设，给定足够的项进行散列和加密散列函数（如md5和sha）或良好的散列（如Murruld3、Jenkins、City和Spooky散列）

并假定没有恶意对手积极制造冲突。然后，您确实需要一个安全的加密哈希函数，如SHA-2

请注意：CRC和Adler是校验和，旨在检测数据损坏，而不是最小化预期冲突。它们具有诸如“检测大小小于X或大于Y的所有位归零，用于输入高达zkbytes”之类的特性，但没有良好的统计特性

---

编辑：别忘了这都是关于概率的。完全有可能只对两个小于0.5kb的文件进行散列，并获得相同的SHA-512，但这是极不可能的（例如）。

因此，如果散列大小为512位，则将是26-51位，可以安全地进行散列，对吗？非常感谢您的详细回复！它完全回答了我的问题。