C#为字节数组或图像创建哈希[重复]答案

【问题标题】：C# Create a hash for a byte array or image [duplicate]C#为字节数组或图像创建哈希[重复]
【发布时间】：2010-10-22 11:26:09
【问题描述】：

可能重复：
How do I generate a hashcode from a byte array in c#

在 C# 中，我需要创建图像的 Hash 以确保它在存储中是唯一的。

我可以轻松地将其转换为字节数组，但不确定如何从那里继续。

.NET 框架中是否有任何类可以帮助我，或者是否有人知道一些高效算法来创建这样一个独特的哈希？

【问题讨论】：

标签： c# .net image hash

【解决方案1】：

.NET 中有很多哈希和提供程序可以创建加密哈希 - 这可以满足您的条件，即它们是唯一的（对于大多数目的来说是防冲突的）。它们都非常快，除非你做一万亿次，否则散列绝对不会成为你的应用程序的瓶颈。

我个人喜欢 SHA1：

public static string GetHashSHA1(this byte[] data)
{
    using (var sha1 = new System.Security.Cryptography.SHA1CryptoServiceProvider())
    {
        return string.Concat(sha1.ComputeHash(data).Select(x => x.ToString("X2")));
    }
}

即使人们说一种方法可能比另一种慢，这都是相对而言的。处理图像的程序肯定不会注意到生成哈希和的微秒级过程。

关于碰撞，对于大多数目的来说，这也是无关紧要的。即使是像 MD5 这样的“过时”方法在大多数情况下仍然非常有用。仅当系统的安全性依赖防止冲突时，才建议不要使用它。

【讨论】：

Rex 我相信你知道这一点，但正如@AdamRobinson 所说，没有哈希（包括 .NET 加密哈希，如 SHA1）可以确保唯一性；只要哈希是多对一映射，即如果可能的哈希码少于可能的输入。
@Spike0xff 在软件中当我们说“独特”时，可以理解为“足够独特”。我没有看到任何迹象表明该线程中的任何人对此感到困惑。
我关心的不仅仅是发帖的人，而是所有阅读的人，如果他们感到困惑，我认为你不一定会看到任何迹象。而且我认为您的意思是“我希望它会被理解为”，因为这不是字典中的定义，也不是我的意思或理解的方式。也许你可以引用一个有信誉的来源？
@Spike0xff 无论如何，在人类的有生之年，任何软件都绝对不可能偶然发现两个相同的 128 位哈希。所以认为“除非有人破解算法，否则这是独一无二的”真的没问题。
@CamiloMartin 即使在你发帖的时候，这已经不是真的了：mscs.dal.ca/~selinger/md5collision

【解决方案2】：

Rex M's answer 中关于使用 SHA1 生成哈希的部分很好（MD5 也是一个流行的选项）。 zvolkov 关于不要不断创建新的加密提供商的建议也是一个很好的建议（如果速度比虚拟保证的唯一性更重要，那么使用 CRC 的建议也是如此。

但是，不要使用 Encoding.UTF8.GetString() 将 byte[] 转换为字符串（当然，除非您从上下文中知道它是有效的 UTF8）。一方面，它将reject invalid surogates。保证始终为您提供来自 byte[] 的有效字符串的方法是 Convert.ToBase64String()。

【讨论】：

谢谢，你说得对。事实上，这就是我一直在做的事情，但我把那个样本从头顶扔了下来，然后做了第一个 byte[]-to-string 我想到的。
感谢乔纳森的提醒，感谢雷克斯的编辑

【解决方案3】：

每次需要计算哈希时创建新的 SHA1CryptoServiceProvider 实例一点也不快。使用同一个实例非常快。

我还是宁愿做许多 CRC 算法中的一种，而不是加密哈希，因为为加密设计的哈希函数对于非常小的哈希大小（32 位）效果不佳，而这正是您想要的 GetHash（ ) 覆盖（假设这是你想要的）。

查看此链接以获取在 C# 中计算 CRC 的一个示例：http://sanity-free.org/134/standard_crc_16_in_csharp.html

附：您希望散列很小（16 位或 32 位）的原因是您可以快速比较它们（这就是散列的全部意义，记得吗？）。以字符串形式编码的 256 位长值表示散列在性能方面非常疯狂。

【讨论】：

【解决方案4】：

您可以使用任何标准散列算法，但散列在技术上不能保证唯一性。散列被设计为一种相对快速和/或较小的令牌，以便能够查看一个数据是否可能与另一个相同。完全不同的数据集完全有可能产生相同的哈希，尽管能够通过算法产生这些非常困难。

除此之外，为了检查可能的身份，MD5 相当快。 SHA 更可靠（MD5 已被黑客入侵，因此不应用于安全性），但速度也较慢。

【讨论】：