哈希值与哈希碰撞

哈希碰撞

一、什么是哈希？

哈希（hash）就是讲不同的输入，映射成独一无二、固定长度的值，既哈希值。

我们可以理解为商品的条形码。任何商品都会有一个固定长度而又固定的条码。它的作用就类似于哈希。

哈希值长度可自己设定，哈希值一般比较长，并且由数字加字母组成，有n^(26+10)种组合，可以有比较大的冗余。但毕竟哈希是通过算法算出来的。如果哈希值长度和数据总量不匹配。两个不同的输入，得到了同样的哈希值，那就发生了哈希碰撞。

二、如何防止哈希碰撞？

防止哈希碰撞最有效的方法，就是扩大哈希值的取值空间。

16个二进制位的哈希值，产生碰撞的可能性是65536分之一。也就是总量超过65536，就一定会产生碰撞。哈希值长度扩展为32个二进制位，碰撞的可能性就会下降到4,294,967,296分之一。

更长的哈希值意味着更大的存储空间、更多的计算，将影响性能和成本。那么，我们的需求就是计算在满足安全要求的情况下，找出哈希值的最短长度。

三、生日攻击

哈希碰撞的概率取决于两个因素（假设哈希函数是可靠的，每个值的生成概率都相同）。

• 取值空间的大小（即哈希值的长度）
• 整个生命周期中，哈希值的计算次数

这个问题在数学上早有原型，叫做"生日问题"（birthday problem）：一个班级需要维持多少人，才能保证每个同学的生日都不一样？

答案很出人意料。如果至少两个同学生日相同的概率不超过5%，那么这个班只能有7个人。事实上，一个23人的班级有50%的概率，至少两个同学生日相同；50人班级有97%的概率，70人的班级则是99.9%的概率（计算方法见后文）。

这意味着，如果哈希值的取值空间是365，只要计算23个哈希值，就有50%的可能产生碰撞。也就是说，哈希碰撞的可能性，远比想象的高。实际上，有一个近似的公式。

上面公式可以算出，50% 的哈希碰撞概率所需要的计算次数，N 表示哈希的取值空间。生日问题的 N 就是365，算出来是 23.9。这个公式告诉我们，哈希碰撞所需耗费的计算次数，跟取值空间的平方根是一个数量级。

这种利用哈希空间不足够大，而制造碰撞的攻击方法，就被称为生日攻击（birthday attack）。

四、数学推导

至少两个人生日相同的概率，可以先算出所有人生日互不相同的概率，再用 1 减去这个概率。

我们把这个问题设想成，每个人排队依次进入一个房间。第一个进入房间的人，与房间里已有的人（0人），生日都不相同的概率是365/365；第二个进入房间的人，生日独一无二的概率是364/365；第三个人是363/365，以此类推。

因此，所有人的生日都不相同的概率，就是下面的公式。

上面公式的 n 表示进入房间的人数。可以看出，进入房间的人越多，生日互不相同的概率就越小。

这个公式可以推导成下面的形式。

那么，至少有两个人生日相同的概率，就是 1 减去上面的公式。

哈希碰撞公式

上面的公式，可以进一步推导成一般性的、便于计算的形式。

根据泰勒公式，指数函数 ex 可以用多项式展开。

如果 x 是一个极小的值，那么上面的公式近似等于下面的形式。

现在把生日问题的1/365代入。

因此，生日问题的概率公式，变成下面这样。

假设 d 为取值空间（生日问题里是 365），就得到了一般化公式。

上面就是哈希碰撞概率的公式。