检查元素是不是属于集合的算法

Posted 2023-03-29

【中文标题】检查元素是不是属于集合的算法

【英文标题】：Algorithm to check if an element is part of a set检查元素是否属于集合的算法

【发布时间】：2021-08-24 10:14:52

【问题描述】：

我有一个元素列表，我想将这些元素散列在一起以获得根散列（类似于 merkle 树）。要求是我需要验证根哈希中是否存在元素。现在的限制是，我只能访问根哈希和我们需要在任何时间点验证的元素，因此我们将无法使用默克尔树方法。尝试过布隆过滤器和类似的算法，但找不到处理误报的方法。有没有我可以遵循的数据结构或算法来获得解决方案？

【问题讨论】：

如果你只有哈希值，总是有可能发生冲突。

是的。充分意识到这一点，只是寻找解决这个问题的可能性，忽略碰撞

只有一层的默克尔树如何违反您的约束？

您能详细说明一下吗？我可以在集合中包含超过 2 个元素。

是否允许缓存值？

【参考方案1】：

最后您的问题可以通过Kolmogorov complexity 来回答。您的浓缩问题是您的特定集合的最大压缩。

改写答案：在您的问题上没有更多entropy（请参阅香农/吉布斯），您需要放弃其中一个：准确性或空间。如果您有一个非常具体的问题，可能会有更好的解决方案，因为熵不同（例如，最大不同元素、大小限制、重复出现的模式、前缀......）。

命名算法 (Bloomfilter) 旨在针对另一方的成本进行优化（简单地说：如果概率低于被闪电击中的概率或CPU 本身崩溃或地球被小行星撞击，...）。您可以使用collision calculator 预先计算预期的碰撞概率。

因此，一个 64KiB 的布隆过滤器将能够在被闪电击中之前存储多达 20.637 个元素。您可以使用以下参数： https://hur.st/bloomfilter/?n=&p=0.5E-5&m=64KiB&k=

如果您不希望发生任何冲突，则以哈希开头是错误的方式。一旦信息丢失，它将一直丢失。然后，您应该考虑以不同的方式压缩集合。为了最好地优化此操作，需要有关数据的知识来提供帮助。

如果你不愿意（或不能）放弃某些东西，那么你就是在谈论带有lossless compression 的系列。 Shannon's source coding theorem告诉您无损压缩在理论上可以达到何种最佳效果，以及您与最佳效果相比有多好。如果您谈论整数，则在一些论文中讨论了一些整数序列压缩算法here in ***