看看Md5自然产生重复的概率
2005-11-19 10:53
190 查看
问题:假设有十万个不同的文件,每个文件对应于一个MD5。这十万个MD5中,存在两个相同的MD5的概率是多大?
答:
MD5是128位hash码(4个整数,每个整数4个字节)。我们假设它的计算结果是足够随机和足够分散的。因此,一个文件的MD5码,有2的128次方(用2e128表示,下面都用这种方式表示)个可能。进而
我们知道,随意找出来的两个文件的MD5码相等的可能性,是2e128分之一。下面讨论中,我们用r来表示这个概率(即r=2e-128)。
假设这十万
个MD5是一条条插入到数据库中的。第二个MD5插入时,它跟第一条重复的概率是r。第三条url插入时,它有可能跟第一条重复,也有可能跟第二条重复,
因此总发生重复的概率是2×r。同理,第四条插入时发生重复的概率是3×r...第n条插入时发生重复的概率是(n-1)×r。n个MD5码,其中有两个重复的概率是上面那么多个可能的加和。
因此,n个md5码,自然产生重复的概率是
(1+2+3+...+(n-1))×r = (1/2)×n×(n-1)×r
以n=10e4,r=1/2e128 代入,得到重复的概率为:
(1/2)×10e4×(10e4-1)×(1/2e128)
10e4-1约等于10e4,上式可以简化:
(1/2)×10e8×(1/2e128)
=10e8/(2×2e128)
我们使用近似2e10 = 1024 = 10e3,那么
=10e8/(10e9*2e89)
=1/(10*2e89)
=1/(10*10e27)
=1/(10e28)
这个数字小得可怜,到底有多小,我们来算一下:一般福利彩票的中头奖的机会,约一百万份之一,即1/10e6。而上面的数字,相当1/10e22个一百万份之一。也就是说:相当于某人买了一亿亿亿次福彩,每次都中头奖的概率。
结论:对于十万条数据,发生MD5冲突的概率非常小,可以忽略不计。
那么,大约要多少个文件才能产生自然重复呢?
根据上面的计算,对于N个MD5码的集合,存在重复的概率是
(1/2)*(N/2e64)e2
因此,只有N大到可以与2e64比拟,才需要考虑它的冲突问题。
2e64是怎样的一个数字?
2e64是4G个4G。目前32位系统的内存寻址范围才是区区4G。
形象地说就是:如果一台电脑上可以存放四十亿(4G)个文件,而系统中有四十亿台这样的电脑。那么,这么多的文件数才会令到系统自然产生重复。
所以MD5码作为系统的索引是非常可靠的。
补充:上面对于MD5的计算,并未考虑到人为制造的MD5冲突(现在已经有方法可以制造有冲突的MD5码了),也未考虑到计算MD5码时,因数据补零而造成的MD5冲突。事实上,在一般的系统中,并没有必要考虑这两种情况。
答:
MD5是128位hash码(4个整数,每个整数4个字节)。我们假设它的计算结果是足够随机和足够分散的。因此,一个文件的MD5码,有2的128次方(用2e128表示,下面都用这种方式表示)个可能。进而
我们知道,随意找出来的两个文件的MD5码相等的可能性,是2e128分之一。下面讨论中,我们用r来表示这个概率(即r=2e-128)。
假设这十万
个MD5是一条条插入到数据库中的。第二个MD5插入时,它跟第一条重复的概率是r。第三条url插入时,它有可能跟第一条重复,也有可能跟第二条重复,
因此总发生重复的概率是2×r。同理,第四条插入时发生重复的概率是3×r...第n条插入时发生重复的概率是(n-1)×r。n个MD5码,其中有两个重复的概率是上面那么多个可能的加和。
因此,n个md5码,自然产生重复的概率是
(1+2+3+...+(n-1))×r = (1/2)×n×(n-1)×r
以n=10e4,r=1/2e128 代入,得到重复的概率为:
(1/2)×10e4×(10e4-1)×(1/2e128)
10e4-1约等于10e4,上式可以简化:
(1/2)×10e8×(1/2e128)
=10e8/(2×2e128)
我们使用近似2e10 = 1024 = 10e3,那么
=10e8/(10e9*2e89)
=1/(10*2e89)
=1/(10*10e27)
=1/(10e28)
这个数字小得可怜,到底有多小,我们来算一下:一般福利彩票的中头奖的机会,约一百万份之一,即1/10e6。而上面的数字,相当1/10e22个一百万份之一。也就是说:相当于某人买了一亿亿亿次福彩,每次都中头奖的概率。
结论:对于十万条数据,发生MD5冲突的概率非常小,可以忽略不计。
那么,大约要多少个文件才能产生自然重复呢?
根据上面的计算,对于N个MD5码的集合,存在重复的概率是
(1/2)*(N/2e64)e2
因此,只有N大到可以与2e64比拟,才需要考虑它的冲突问题。
2e64是怎样的一个数字?
2e64是4G个4G。目前32位系统的内存寻址范围才是区区4G。
形象地说就是:如果一台电脑上可以存放四十亿(4G)个文件,而系统中有四十亿台这样的电脑。那么,这么多的文件数才会令到系统自然产生重复。
所以MD5码作为系统的索引是非常可靠的。
补充:上面对于MD5的计算,并未考虑到人为制造的MD5冲突(现在已经有方法可以制造有冲突的MD5码了),也未考虑到计算MD5码时,因数据补零而造成的MD5冲突。事实上,在一般的系统中,并没有必要考虑这两种情况。
相关文章推荐
- 看看Md5自然产生重复的概率
- 看看Md5自然产生重复的概率
- 走近消息摘要--Md5产生重复的概率
- C#控制台基础 应用GUID产生重复概率极小的一串编号
- Matlab产生某一范围的不重复的随机数
- C#一个产生随机不重复数组的方法
- 产生n个,从n到n的 不重复随机数集合
- 产生不重复的随机牌
- 如何高效产生m个n范围内的不重复随机数(m<=n)
- C语言 产生 1- 100万随机数,如果重复的话,能马上知道.
- 通过自然选择产生的进化
- 面试题:产生一个长度为100的数组,为数组中的每一项随机填充1-100之间的数并且保证不重复
- 如何用C语言产生10000个不重复的随机整数?并且把它写入到一个文本文件中作为其他函数测试用的数据。
- 自动评价源码,包括访问剪贴板,产生不重复随机数
- 产生一个int数组,长度为100,并向其中随机插入1-100,并且不能重复。
- 产生一组少重复的随机数
- SQL server 等值连接与自然连接,解决自然连接去掉重复列的问题
- C# ASP.NET B/S模式下,采用lock语法 实现多用户并发产生不重复递增单号的一种解决方法技术参考
- 产生不重复的随机数TGUID
- C#的解题思路(1):不重复随机数的产生问题