我在Amazon S3上有一个图像库 . 对于每个图像，我md5我的服务器上的源URL加上一个时间戳来获取唯一的文件名 . 由于S3不能有子目录，我需要将所有这些图像存储在一个平面文件夹中 .
我是否需要担心产生的MD5哈希值中的冲突？
额外奖励：在我开始看到MD5产生的哈希值发生冲突之前，我可以拥有多少个文件？
虽然由于碰撞导致MD5出现了很好的公开问题，但随机数据之间的UNINTENTIONAL碰撞是exceedingly rare . 另一方面，如果您正在对文件名进行散列，那么这不是随机数据，我希望快速发生冲突 .
它的可能性并不重要;有可能的 . 它可能发生在您散列的前两个事项上（非常不可能，但可能），因此您需要从一开始就支持冲突 .
MD5碰撞极不可能 . 如果您有 9 trillion MD5s，则 9 trillion 中只有一次机会发生碰撞 .
只有两个哈希意外碰撞的可能性是340个十亿分之二十亿二十亿分之366十亿分之一百分之六十六分之一925分别463六十六分之一463分钟374千万亿分之607万亿431亿七千六百六十一万二千一百五十六 .
但是如果保留所有哈希值，那么由于birthday paradox，概率会更高一些 . 要有任何哈希与任何其他哈希冲突的几率为50％，您需要 264 哈希 . 这意味着平均来说，为了获得冲突，您需要哈希6 billion files per second for 100 years .
S3可以有子目录 . 只需在密钥名称中加上“/”，即可访问这些文件，就好像它们位于不同的目录中一样 . 我使用它来根据用户在S3中的用户ID将用户文件存储在不同的文件夹中 .
例如：“mybucket / users / 1234 / somefile.jpg” . 它与文件系统中的目录不完全相同，但S3 API具有一些功能，可以使它几乎完全相同 . 我可以要求它列出所有以“users / 1234 /”开头的文件，它会显示该“目录”中的所有文件 .
等等，是吗：
md5(filename) + timestamp
要么：
md5(filename + timestamp)
如果是前者，那么你大部分都是通往GUID的，我不会担心它 . 如果是后者，那么请参阅Karg的帖子，了解你最终会如何碰撞 .
碰撞的粗略经验法则是值范围的平方根 . 您的MD5 sig大概是128位长，因此您可能会看到超过2 ^ 64个图像的碰撞 .
虽然随机MD5冲突极为罕见，但如果您的用户可以提供文件（将逐字存储），那么他们可以设计冲突 . 也就是说，他们可以故意创建两个具有相同MD5sum但数据不同的文件 . 确保您的应用程序能够以合理的方式处理这种情况，或者使用像SHA-256这样的更强大的哈希 .
8 回答
虽然由于碰撞导致MD5出现了很好的公开问题，但随机数据之间的UNINTENTIONAL碰撞是exceedingly rare . 另一方面，如果您正在对文件名进行散列，那么这不是随机数据，我希望快速发生冲突 .
它的可能性并不重要;有可能的 . 它可能发生在您散列的前两个事项上（非常不可能，但可能），因此您需要从一开始就支持冲突 .
MD5碰撞极不可能 . 如果您有 9 trillion MD5s，则 9 trillion 中只有一次机会发生碰撞 .
只有两个哈希意外碰撞的可能性是340个十亿分之二十亿二十亿分之366十亿分之一百分之六十六分之一925分别463六十六分之一463分钟374千万亿分之607万亿431亿七千六百六十一万二千一百五十六 .
但是如果保留所有哈希值，那么由于birthday paradox，概率会更高一些 . 要有任何哈希与任何其他哈希冲突的几率为50％，您需要 264 哈希 . 这意味着平均来说，为了获得冲突，您需要哈希6 billion files per second for 100 years .
S3可以有子目录 . 只需在密钥名称中加上“/”，即可访问这些文件，就好像它们位于不同的目录中一样 . 我使用它来根据用户在S3中的用户ID将用户文件存储在不同的文件夹中 .
例如：“mybucket / users / 1234 / somefile.jpg” . 它与文件系统中的目录不完全相同，但S3 API具有一些功能，可以使它几乎完全相同 . 我可以要求它列出所有以“users / 1234 /”开头的文件，它会显示该“目录”中的所有文件 .
等等，是吗：
要么：
如果是前者，那么你大部分都是通往GUID的，我不会担心它 . 如果是后者，那么请参阅Karg的帖子，了解你最终会如何碰撞 .
碰撞的粗略经验法则是值范围的平方根 . 您的MD5 sig大概是128位长，因此您可能会看到超过2 ^ 64个图像的碰撞 .
虽然随机MD5冲突极为罕见，但如果您的用户可以提供文件（将逐字存储），那么他们可以设计冲突 . 也就是说，他们可以故意创建两个具有相同MD5sum但数据不同的文件 . 确保您的应用程序能够以合理的方式处理这种情况，或者使用像SHA-256这样的更强大的哈希 .