6 字符短散列算法答案

【问题标题】：6 Character Short Hash Algorithm6 字符短散列算法
【发布时间】：2013-08-30 03:30:45
【问题描述】：

我的目标是为长度为 42 个不区分大小写的字母数字字符的字符串生成一个 6 个字符的短哈希字符串（可能包含字符 [A-Z][a-z][0-9]）。唯一性是关键要求。安全性或性能并不那么重要。

是否有特定的算法可以给出这个结果，还是我应该坚持截断 MD5 哈希或 SHA-1 哈希 (Like in this question)？如果有，发生碰撞的概率是多少？

【问题讨论】：

我试过了，string sourceString = "SomeTestStringWhichIs42CharactersInLength!"; Console.WriteLine(sourceString.GetHashCode().ToString("X6"));它返回一个 8 字符哈希。
如何为 42 字符长的字符串生成唯一的 6 字符哈希？
根据您的限制，您可以（最多）散列 62^6 个数字而不会发生冲突。尽管在散列了一半之后，您将有 50% 的碰撞机会（充其量）。取决于要散列的数据和散列算法 - 当然。一些算法在不同的数据集下会做得更好

【解决方案1】：

简单的哈希:)

private string Hash(string str)
{
    var allowedSymbols = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz".ToCharArray();
    var hash = new char[6];

    for (int i = 0; i < str.Length; i++)
    {
        hash[i % 6] = (char)(hash[i % 6] ^ str[i]);
    }

    for (int i = 0; i < 6; i++)
    {
        hash[i] = allowedSymbols[hash[i] % allowedSymbols.Length];
    }

    return new string(hash);
}

【讨论】：

由于hash[i % 6] ^ str[i]这里的异或，这个算法有很高的冲突率。 OP 声明输入字符串不区分大小写，对于 a-z 和 A-Z，所有字符的最高两位都是相同的。即使您使用了所有正常的可打印 ASCII 字符 (0x20-0x7e)，对于 66% 的字符集，前两位仍然相同。
非常适合我。我必须根据名称和嵌套元素的程度生成颜色。 jsfiddle.net/fgg8xx2k 示例是用 Typescript 编写的
我发现这个功能对我的使用非常有用，但它确实存在碰撞率高的问题。我的解决方案是先使用 MD5 对我的 str 进行哈希处理，然后使用此函数获得用户友好的输出。它似乎为我解决了这个问题。

【解决方案2】：

您最好的选择是截断众所周知的散列函数（MD5 或 SHA 系列），因为这些算法具有统计上良好的散列值均匀分布（并且还使用完整的散列，而不仅仅是 6 个字符）。

现在计算碰撞概率

- 英文字母数量：26 - 添加大写字母：26 - 添加数字：10 -------------- 总共你得到 26 + 26 + 10 = 62 个字符。现在您有 6 个位置，这为您提供了 62^6 种可能的组合。即 56.800.235.584 ~ 570 亿个组合。这是一个可能的哈希值空间 - N。 -------------- 要计算碰撞让我们使用公式 Pcollision = K^2 / 2N 这是碰撞概率的一个非常粗略的近似值

现在让我们看看一个表中多个项目的结果表 - K

# 项目 |碰撞概率 -------------------------------------- 10 | 1.7 * 10^-9 100 | 1.7 * 10^-7 1K | 1.7 * 10^-5 10K | 1.7 * 10^-3 100K | 0.17

这个公式只能用于小 K，但它表明给定哈希表中的 100K 个条目，您大约有 17% 的机会发生冲突。

链接

Collision probability

【讨论】：

感谢您的指导性评论。但我认为您在表中计算了Pcollision = K^2 / N 而不是Pcollision = K^2 / 2N？

【解决方案3】：

最好的解决方案几乎可以肯定是使用 SHA1，转换为 Base62（尽管 Base64 会更容易，因为它内置在框架 Convert.ToBase64String 中。你必须做一些寻找合适的 Base62 库），并且然后将输出截断为 6 个字节。

我不会使用GetHashCode()，因为它有一个history of collision problems。（我并不是要声称这个特定的错误会适用于您，只是将此作为GetHashCode 过去没有很好实施的证据。）

我也不会实现自定义散列算法，很容易意外编写具有高冲突率的算法。 SHA1 和其他主要的散列算法已经进行了大量的研究和审查，你很难想出更好的方法。

【讨论】：