数学之美8

第16章    信息指纹及应用

1.      信息指纹

将链接对应为16个字节的随机数，称为该网址的信息指纹。

信息指纹的计算步骤

1）  首先将字符串转换为特别长整数

2）  使用伪随机数产生器算法，将特别长的整数转化成特定长度的伪随机数

（现在常用的使用梅森旋转算法，但所产生的随机数有一定的相关性，破解一个相当于破解了一大批）

信息指纹不可逆，正式网络加密传输所需要的。

互联网上加密要使用基于加密的伪随机数产生器，常用的算法有MD5或者SHA-1等标准。

2.      用途

1）  集合相同的判定

简单的方法：顺序排序然后比较（O(NlogN)）；将几个集合放到散列表里，然后将另一个的元素一一与散列表比较（O(N)）

完美的方法：计算两个集合的指纹，然后进行比较

2）  判定集合基本相同

针对垃圾邮件，或者是比较两个网页是否重复，只需要从中抽取关键词（IDF大的词）进行信息指纹比较

有一定容错能力，相似哈希

3）  YouTude的反盗版

视频的匹配有两个核心技术，关键帧的提取和特征的提取。

3.      信息指纹的重复性和相似哈希

1）  信息指纹重复的可能性

假定一个伪随机数产生的范围为0到N-1，如果是128位的二进制， 。

K个指纹不重复的概率为

2）  相似哈希

假定一个网页中有若干个词 ，他们的权重为 ，每个词的信息指纹用一个八位二进制数表示

扩展：将把位二进制的指纹扩展为8个实数，

首先八个全设为0，

看第一个词 ，为0则减去对应的权重，若为1加上对应的权重

再依此看到 ，

收缩：处理完所有的词后， ，正数为1，负数为0.

如果两个网页的相似哈希相差越小，则这两个网页的相似性就越高。

第177章    密码学的数学原理

1.      密码学的自发时代

开始是简单的对应表；（截获多份可以总结规律破解）

后来一对多的对应表；

密码加密的原则：加密函数不应该通过几个自变量核函数就能推出函数本身；同文密电是大忌（日本新老机器的混用）

2.      信息论时代的密码学

信息论是情报学的直接产物。

公开密钥的方法：RSA算法，Rabin算法，El Gamal算法

共同点：有两个完全不同的钥匙，加密和解密，加密与解密数学相关