有两个相等的字符串会给出相同的哈希值

Posted 2023-03-17

【中文标题】有两个相等的字符串会给出相同的哈希值

【英文标题】：Will hashing two eual strings give same hash value

【发布时间】：2018-05-21 08:00:50

【问题描述】：

我需要匿名化 mysql 数据库中的个人数据。问题是我仍然需要能够将两个人匿名化后联系在一起。

我认为这可以通过散列他们的社会安全号码或电子邮件地址来完成，这导致了我的问题：

当散列两个相等的字符串（s1 和 s1）时，我得到两个散列值（h1 和 h2），我怎么能确定：

1) 哈希值相等 (h1 = h2)

2) 不等于 (s3 = s1) 会产生相同的哈希值

【问题讨论】：

散列函数理论上可以发生冲突。在这一点上，使用每个用户的 SSN 作为唯一标识符对我来说似乎已经足够了。为什么需要散列来比较用户？

您的要求是加密哈希函数的要求。如果两个相等的字符串没有输出相同的哈希值，那么您的哈希函数就会损坏。同样，如果两个不相等的字符串产生相同的哈希（称为冲突），那么您的哈希函数也会损坏。

@Robbie 大多数情况下，我认为您会假设至少有可能发生碰撞，并且只是为这种情况做计划。

@TimBiegeleisen 同一个用户（同一个 SSN）可以在同一个数据库表中有多个条目。出于统计原因，即使在 SSN 被匿名化后，我也需要能够连接它们——这就是我考虑散列 SSN 的原因

【参考方案1】：

1) 相同的字符串总是会产生相同的哈希值 2）如果您选择与数据量相比较小的哈希长度，理论上不同的字符串可能会产生相同的哈希。但使用默认哈希长度（32 或 40）不会导致此类问题。

【参考方案2】：

1) (h1 = h2) 对于每个定义的相等字符串（s1 和 s2）总是正确的，当使用正确的散列函数时。

2) 两个不同的字符串可以有相同的哈希值。这被称为“碰撞”。概率取决于使用的散列函数和生成的散列的长度。以 MD5 为例，有用于查找冲突的网站和表格，这非常有趣。

我不确定你所说的将人们联系在一起是什么意思，或者你的要求是什么，所以我无法帮助你。但是你可以用他们的 id 把两个人联系起来。