Python向量（列表）到二维矩阵哈希

Question

我有一个返回向量的函数。每个结果的向量长度不同。 例如，这些是我的函数返回的一些向量：

res_1 = [67, 68, 69, 70, 25, 71]
res_2 = [49, 45, 50, 51, 52, 53, 54, 45, 55, 56, 25, 57, 58, 59, 60, 61, 62, 63, 64, 45, 65, 58, 66, 45, 50]
res_3 = [72, 4]

我想要一个函数从向量中生成二维矩阵散列。矩阵哈希长度必须是常数。例如 50x50 或 100x100。此函数必须为每个给定向量生成一个唯一值 NxN 矩阵。

如何实现这个功能？

Answer 1

使用零填充是个好主意，但如果您的矢量生成函数可以输出包含一个或多个零的列表，它可能不起作用。你可能会运气不好，偶然得到一个重复的向量。

很难说，因为问题中没有太多关于向量生成函数的细节。

无论如何，这是从列表的 SHA256 哈希中获取由二进制位组成的 16x16 矩阵的复杂方法：

#!/usr/bin/env python3

import hashlib
import numpy as np
import bitstring

res_1 = [67, 68, 69, 70, 25, 71]
res_2 = [49, 45, 50, 51, 52, 53, 54, 45, 55, 56, 25, 57, 58, 59, 60, 61, 62, 63, 64, 45, 65, 58, 66, 45, 50]
res_3 = [72, 4]

def hash(l):
    m = hashlib.sha256()
    m.update(bytearray(l))
    h = m.hexdigest()
    c = bitstring.BitArray(hex=h)
    b = c.bin
    a = np.frombuffer(b.encode('utf-8'), 'u1') - ord('0')
    r = np.reshape(a, (-1, 16))
    return r

print(hash(res_1))
print(hash(res_2))
print(hash(res_3))

只要列表包含不同的值，它们就应该有不同的字节表示，因此它们的 SHA256 哈希值实际上应该保证是唯一的。虽然有可能发生碰撞，但几率很小，几乎可以忽略不计。

如果哈希冲突的可能性很小，您可能会考虑使用零填充或其他方法来执行所谓的“完美哈希”，而不是使用 SHA256。

样本输出：

[[1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 1 0 1 0 0 1 1 1 1 0 0 0]
 [1 0 0 1 1 0 0 1 0 1 0 1 1 0 1 0]
 [1 1 0 1 0 1 1 1 1 0 0 0 0 1 1 0]
 [0 1 1 0 0 1 1 0 1 0 1 1 1 0 1 0]
 [1 1 0 1 0 0 0 1 0 1 1 0 1 0 0 1]
 [1 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0]
 [0 0 0 1 0 1 0 0 0 1 1 0 1 0 0 0]
 [1 1 1 1 0 1 0 1 0 0 1 1 1 1 0 1]
 [1 1 0 0 1 1 0 1 1 0 1 0 1 1 1 0]
 [1 1 1 1 0 0 0 1 0 0 1 0 1 0 0 0]
 [0 0 0 0 1 0 0 1 1 0 0 0 0 1 1 1]
 [0 0 1 1 0 0 0 1 1 0 1 1 0 1 0 1]
 [1 0 0 1 0 1 1 1 0 1 1 1 1 1 1 0]
 [1 1 1 0 0 0 0 1 1 0 0 1 0 0 1 1]
 [0 1 0 1 1 1 1 1 1 1 0 0 1 0 0 1]]
[[0 0 1 1 0 1 1 1 1 1 1 0 1 1 0 1]
 [0 0 0 1 1 1 1 0 1 1 0 0 1 1 1 1]
 [0 1 0 1 1 1 0 0 0 0 0 0 0 0 0 1]
 [0 1 0 0 0 0 1 0 1 1 0 1 0 0 1 1]
 [0 1 0 0 0 1 1 0 1 0 0 1 0 1 1 1]
 [0 1 1 1 0 1 1 1 1 1 0 1 1 1 0 1]
 [0 0 1 1 0 1 1 1 0 1 1 0 0 1 1 0]
 [0 1 0 0 0 1 1 0 0 1 0 0 1 0 0 1]
 [0 1 1 0 1 1 1 0 0 0 0 1 1 0 0 0]
 [0 1 0 1 1 1 1 1 0 1 1 1 1 1 0 0]
 [0 1 1 1 0 1 0 0 1 1 1 0 1 0 0 0]
 [1 1 1 1 0 0 1 0 0 1 0 1 0 1 1 1]
 [1 1 1 1 1 1 0 0 0 0 1 1 0 0 1 1]
 [0 1 0 1 1 1 0 0 0 1 1 1 1 0 0 1]
 [1 0 1 0 1 0 1 0 1 0 0 1 0 1 0 1]
 [0 1 0 1 1 1 1 0 0 0 0 0 1 0 0 0]]
[[1 0 1 0 1 0 0 1 1 0 1 1 0 1 0 0]
 [1 1 0 1 0 0 0 1 0 0 1 1 1 1 1 1]
 [1 0 0 0 1 0 1 0 0 1 0 1 0 0 0 1]
 [0 1 0 1 0 1 1 0 1 0 1 0 1 1 0 0]
 [0 0 0 1 0 1 1 1 0 0 1 0 0 1 0 0]
 [0 0 0 0 1 1 0 1 1 1 1 1 1 0 1 0]
 [1 1 0 1 1 0 0 1 1 1 1 0 0 0 1 0]
 [1 0 0 1 0 0 0 1 1 0 1 0 0 1 0 0]
 [1 0 1 1 1 0 1 1 0 1 1 0 0 1 0 1]
 [1 1 1 1 0 1 1 0 0 0 1 0 0 1 1 1]
 [1 1 0 1 1 0 0 0 0 1 1 1 1 1 0 0]
 [1 1 0 1 0 1 1 1 0 1 0 0 1 0 0 1]
 [1 1 1 1 0 1 1 1 0 0 1 0 0 1 0 1]
 [1 1 1 0 1 1 1 1 1 0 1 1 0 0 1 1]
 [1 1 0 0 0 1 0 1 1 0 1 0 0 0 0 0]
 [1 1 0 0 0 1 1 1 0 0 1 1 0 0 1 0]]

Answer 2

如果您知道 vector 的最大可能长度 (max_len)，则只需用零填充向量是合乎逻辑的： vector += [0]*(max_len - len(vector))

而不是将其设为 2D：vector2D = [vector[i:i+N] for i in range(0, max_len, N)]