我需要生成可在文件名中使用的唯一标识符，并且可以在给定相同输入值的情况下重现。我需要生成数百万个这样的标识符，因为源输入有数百万种组合。
为了简单起见，我将在示例中使用一个小集合，但实际的集合可能相当大（数百个，也许数千个项目）；大于可以手动编码到文件名中的值。
我注意到生成 UUID 的第五种方法允许您提供字符串输入。
> input_set = {'apple', 'banana', 'orange'}
> uuid.uuid5(uuid.NAMESPACE_URL, pickle.dumps(input_set)).hex
'f39926529ad45997984643816c1bc403'
文档说它使用SHA1在引擎盖下。碰撞的风险是否太高？有没有更好的方法来可靠地散列唯一标识符？
字符串发生 SHA1 冲突的可能性非常低。目前已知的 SHA1 冲突少于 63 起。
首次发现 SHA1 冲突
首次计算 SHA-1 哈希冲突。所需要的只是五个聪明的大脑......以及 6,610 年的处理器时间
SHA1 在密码学领域不再被认为是安全的，但肯定超出了您的期望。
加密哈希函数被设计为单向函数.这意味着函数的反函数“很难”计算。 （即知道输出绝不能帮助您确定输入）正如 Blender 在评论中指出的那样，这与碰撞的可能性无关。
看看生日悖论有关如何计算碰撞概率的一些基本信息。
这个问题解决了 SHA1 冲突的可能情况。这article states
如果发现冲突可以证明可以从问题 P 中进行多项式时间还原，那么密码散列函数就具有针对冲突攻击的可证明的安全性，而问题 P 应该在多项式时间内无法解决。然后该函数被称为可证明安全的，或者只是可证明的。
Here是“安全”哈希算法的列表。
UPDATE您在评论中指出您的输入远大于 SHA1 的 160 位限制。在这种情况下，我建议您使用 SHA3，因为输入的大小没有限制。查看Python文档了解更多信息。
这是一个基本示例：
import sha3
k = sha3.keccak_512()
k.update(b"data")
k.hexdigest()
'1065aceeded3a5e4412e2187e919bffeadf815f5bd73d37fe00d384fe29f55f08462fdabe1007b993ce5b8119630e7db93101d9425d6e352e22ffe3dcb56b825'
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
