寻找哈希算法，其中输入的微小变化将导致哈希值

Question

当前哈希函数被设计为对哈希进行大的更改，即使只有很小一部分输入被更改。我需要的是一种哈希算法，其输出变异将与输入变异成正比。例如，我需要类似的东西：

Hash("STR1") => 1000
Hash("STR2") => 1001
Hash("STR3") => 1002

等。 我不擅长算法，但从来没有听说过这样的实现，虽然我几乎肯定有人应该已经提出了这个算法。

我目前的要求是要有大比特率（512比特可能？）以避免冲突。

由于

更新

我认为我应该澄清我的目标，我发现我的工作非常糟糕，解释了我的需求。对不起，我不是英语母语人士和伟大的沟通者。

所以基本上我需要这个哈希算法来搜索类似的二进制文件。您可以将其视为Antivirus哈希算法。它计算文件校验和，但与传统的散列函数不同，即使在恶意软件二进制文件中进行了一些小的修改之后，它仍然能够检测到它。这正是我正在寻找的。

另一个方面是避免碰撞。让我解释一下我的意思。这不是一个相互冲突的目标。我希望Hash（“STR1”）产生1000和Hash（“STR2”）以产生1001或1010，只要该值相对于前一个哈希值很接近就没有关系。但是Hash（“这是一个非常大的字符串或者甚至是二进制数据”+ 100个随机字符）不应该产生接近1000的值。我知道它不会总是工作并且会有一些散列/散列范围冲突，但是我想我可以引入另一个哈希算法并验证两者以最小化冲突。

那你觉得怎么样？也许有更好的方法来实现我的目标，也许我要求太多，我不知道。我不熟悉密码学，数学或算法。

再次感谢您的时间和精力

Answer 1

简单求和怎么样？然后，您的哈希可以以所需的大小进行换行，如果在哈希比较期间考虑到这一点，则输入中的小差异应该会产生较小的哈希差异。

然而，我认为＆＃34;最小的碰撞＆＃34;和＆＃34;输出比例变化＆＃34;是相互冲突的目标。

Answer 2

对不起，误读了你的问题。 MD5或SHA-x不是您想要的。

根据维基百科，例如https://en.wikipedia.org/wiki/Substitution_cipher没有雪崩效应（这是你的意思）。

就哈希而言，您可以使用某种数字。

例如：

Sub LoopThroughDirectory()
    Dim Filepath As String, MyFile As String
    Dim wkbSource As Workbook, wkbTarget As Workbook
    Dim copyRange As Range, cel As Range, pasteRange As Range

    Set wkbTarget = Workbooks("Import Info.xlsm")
    Set pasteRange = wkbTarget.Sheets("sheet1").Range("a2") ' start at row 2

    Filepath = "C:\xxxxx\"
    MyFile = Dir(Filepath)

    While MyFile > ""
        If MyFile = "Import Info.xlsm" Then GoTo NextFile    

        Set wkbSource = Workbooks.Open(Filepath & MyFile)   
        Set copyRange = wkbSource.Sheets("sheet1").Range("c3,f6,f9,f12,f15,f19,f21,f27,f30,f33,f37,f41")

        For Each cel In copyRange

            pasteRange.Value = cel.Value   ' "copy" the value

            Set pasteRange = pasteRange.Offset(, 1) ' move to the next column

        Next

        wkbSource.Close

        Set pasteRange = pasteRange.EntireRow.Resize(1,1) ' move back to the first cell in the row

        Set pasteRange = pasteRange.Offset(1) ' move to the cell bellow (next row)

    NextFile:
        MyFile = Dir

    Wend    
End Sub

希望，现在有所帮助。

Answer 3

在其他领域，这被称为感知散列。

一种解决方法如下：

1. 获得n-gram训练多重集。 （例如，如果n = 2并且您的训练数据是“这是一个测试”，您的训练集将是“Th”，“hi”，“is”，“s”等）
2. 排序并计算所述n-gram的频率，降序。

然后一个字的散列是“对于数据库中每个n-gram的第一位，这个字的频率是说n-gram高于平均频率？”

请注意，不幸的是，这会导致许多与类似单词的冲突，除非哈希长度非常长。

Answer 4

它可能适合孩子，但旧NSA Kid's section有一些非常好的想法。

当然，这些算法确实不安全，因此您无法使用它来代替REAL加密。 （但是当你想要玩得开心时，你不能使用真正的加密算法。）

数字网格涉及设置网格，然后使用每个字母的坐标：

进一步的想法：

• 混合字母安排
• 将数字转换为二进制以进行混淆

绕线方式也使用网格。从本质上讲，这些字母从左到右排成网格，向下排成行。通过在网格中垂直切片产生输出：

Answer 5

通常，面向加密的散列和加密算法的行为与您正在寻找的行为完全相反（即输入中的微小变化将导致输出发生较大变化，反之亦然），因此此算法类是死路一条。

作为对这些算法为何如此行为的快速描述：必要时，它们旨在模糊输入和输出之间的统计关系，使其更难以破解。例如，在英语中，字母“e”是迄今为止最常用的字母;在一些非常弱的经典密码中，您可以简单地找到对应于“e”的最常见的字母和数字（例如 - 如果 n 是最常见的字母，则赔率为n = e）。实际上，像你描述的统计模式可能会使算法显着更容易受到选择明文，已知明文，中间人和重放攻击的影响。

由于在不知道密钥的情况下编辑密文以获得所需的明文会更加容易（特别是如果您可以访问几个选定的明文），那么中间人和重放攻击将变得更加容易。 ）。

如果你知道

7/19/2016 1:35 transfer $10 from account x to account y

（其中datestamp用于防御重放攻击）编码为

12345678910

，而

7/19/2016 1:40 transfer $10 from account x to account y

编码为

12445678910

这是一个非常安全的猜测

12545678910

意味着类似

7/19/2016 1:45 transfer $10 from account x to account y

无法访问原始密钥，您可以定期重播此数据包，只需进行简单的编辑即可继续从某人的帐户中窃取资金。当然，这是一个相当人为的例子，但它仍然说明了基本问题。

我对你要找的东西的理解是文件之间的统计相似性。这可能会对某些人有所帮助：https://en.wikipedia.org/wiki/Semantic_similarity

Answer 6

这确实存在。术语是局部敏感的散列。具体实现可以在这里找到：https://github.com/trendmicro/tlsh。 根据源文档，您可能需要查看数字取证或VisualRank（来自谷歌）以查找类似的图像和视频。对于文本数据，这通常用于反垃圾邮件（请在此处阅读：http://spdp.di.unimi.it/papers/pdcs04.pdf）。对于二进制文件，你可能想先运行反汇编程序，然后在文本版本上运行算法 - 但这只是我的感觉，我没有研究支持这个陈述，但这将是一个有趣的假设进行测试。