Question

我知道使用人们已经发明的校验和算法总是更好。我想通过执行校验和来比较两个文件是否相同。这些文件通过网络位于两台不同的计算机上，因为它们通过网络执行校验和，而不是在处理像我这样的大文件时复制整个文件。（我将首先执行其他测试，例如确保文件的长度等等。）

所以我创建了这个简单的算法：

private static double GetChecksum2(string file)
    {
        double checkSum = 0;

        var stream = File.OpenRead(file);

        // the bigger the chunck size the faster but the more memory usage by cpu
        // also when sending file over network it should not be that much more efficient

        int chunckSize = (int) Math.Pow(2,20); // 10 => kilobite   20 => megabite  30 => gigabite etc..
        byte[] buffer = new byte[chunckSize];

        int bytesRead = 0;

        while ( // while bytesRead > 0
            (bytesRead =
                (stream.Read(buffer, 0, buffer.Length)) // returns the number of bytes read or 0 if no bytes read
            ) > 0)
        {
            //buffer is now an array of size bytesRead

            // write those bytes to a file, perform checksum of file
            // etc...


            // temp check sum use a better algorithm I dont know if other computers will round 
            // doubles diferently

            for (int i = 0; i < bytesRead; i++)
            {
                checkSum = (((buffer[i] + i)/2 + checkSum))*.45;
            }


            //SHA256Managed sha = new SHA256Managed();
            //byte[] checksum = sha.ComputeHash(buffer);

        }

        return checkSum;
    }

我不知道使用此算法实现两个不同文件的校验和的概率是多少。

执行1.06 GB文件的校验和时，需要5.2秒才能完成，校验和为321840.207306214

当我使用SHA256Managed（）算法时，需要35.8秒。

长7倍

我知道两个文件具有相同校验和的可能性与这个算法不同，远低于我的算法。但是使用我的算法要快得多，我认为赔率也应该很低......

或许我应该使用更快的算法，我不知道它已经存在......

修改

我的问题是：

实现此算法是否安全。我需要通过我的网络进行大量的文件传输，如果我可以使用校验和算法来比较文件，这将是很好的。也许我可以在chuncks中拆分每个文件，只需替换校验和不匹配的块！

Answer 1

浮点数学是非确定性的。您可能会在不同的计算机或.net版本上获得略有不同的结果。在您的算法中，可以通过epsilon比较来避免，但在许多算法中，它根本无法避免。

您的算法的另一个问题是早期字节的贡献变得指数级小。即只有文件的最后部分影响哈希。快速估计只考虑最后几个kB。这意味着你的哈希不适合它的目的。

如果我们忽略舍入误差，我们可以简化您的公式：

(((buffer[i] + i)/2 + checkSum))*.45

buffer[i]*0.45/2 + i*0.45/2 + checkSum*0.45

求解递归给了我们：

Sum(buffer[i]/2*(0.45^(length-1)) + i*(0.45^(length-1)))

第二个术语只取决于长度，所以在比较长度相等的文件时，你会留下：

Sum(buffer[i]/2*(0.45^(length-1)))

Answer 2

使用double作为校验和容易出现浮点问题。我认为这是一个非常糟糕的主意。我也认为重新发明轮子也是一个糟糕的决定。有many checksum algorithms可供您重复使用。

此外，还有一些相关的问题：

创建我自己的校验和算法

长7倍

修改

我的问题是：

2 个答案: