Question

我必须将一个人的姓氏，名字和出生日期的组合保存为哈希。此哈希稍后用于搜索具有完全相同属性的同一个人。我的问题是，如果SHA-1是一个有意义的算法。

据我了解SHA-1，两个不同的人（具有不同属性）几乎不可能获得相同的哈希值。这是对的吗？

Answer 1

如果您想搜索知道仅这些凭据的人，您可以将SHA-1存储在数据库中（或者MD5以保持速度，除非您喜欢一千万人要抽样。）

散列将毫无价值，因为它不存储有关此人的信息，但它可以用于搜索数据库。你只是想确保三条信息匹配，所以将它们连接起来是安全的：

user.hash = SHA1(user.firstName + user.DOB + user.lastName)

当您查询时，您可以检查两者是否匹配：

hash = SHA1(query.firstName + query.DOB + query.lastName)

for user in database:
  if user.hash == hash:
    return user

我将query.DOB放在中间位置，因为名字和姓氏可能会发生碰撞，例如JohnDoe Bob与John DoeBob同一天出生。我不知道数字名称，所以我认为这会阻止那些冲突;）

但如果这是一个大数据库，我会尝试MD5。它更快，但有可能发生碰撞（在你的情况下，我可以保证不会发生碰撞）。然而，碰撞的可能性真的很小。

为了将其置于透视中，碰撞是1 / 2^128次出现，即：

                          1
---------------------------------------------------
340,282,366,920,938,463,463,374,607,431,768,211,456

这比小于：

0.0000000000000000000000000000000000000293873 %

我非常确定你不会发生碰撞;）

Answer 2

哈希碰撞是不可避免的。然而，小的可能是碰撞的机会，如果你真的想要100％识别，你不应该只依赖哈希。

如果使用散列来加速数据库搜索，则无需使用SHA256。使用你的系统具有最小尺寸的任何哈希函数（MD5（）用于MySQL，或者你甚至可以尝试CRC32，如果你的数据库不是那么大）。就在您查询表时，您需要提供您要搜索的所有条件：

SELECT *来自用户WHERE hash =“AABBCCDD”AND firstname =“Pavel”AND surname =“Sokolov”

数据库维护一个名为index cardinality的值。它衡量给定指数数据的唯一性。因此，您可以将所需的字段与哈希字段和数据库一起索引，并为查询本身选择最具选择性的索引。添加附加条件不会对性能产生负面影响，因为大多数数据库在从表中选择数据时只能使用一个索引，并且会选择具有最大基数值的数据。

数据库需要首先选择与索引匹配的所有行，然后扫描它们以丢弃与其他条件不匹配的行。

如果你不能使用我描述的方法，那么，我认为甚至MD5的碰撞概率在人名数据库上也很低。

P.S。我希望你知道，你知道“一个人的姓氏，名字和出生日期的组合”不足以100％识别一个人吗？很快这个组合就会比一些哈希碰撞而匹配。

Answer 3

如果你担心碰撞，那么这里有一个很好的讨论：

如果您有安全问题，我会考虑使用SHA-256。