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。是这样吗？
【问题讨论】：
标签： cryptography hash anonymize
如果您想搜索仅这些凭据的人，您可以将 SHA-1 存储在数据库中（或 MD5 以提高速度，除非您喜欢以千万亿人为样本）。
哈希将毫无价值，因为它不存储有关此人的信息，但它可以用于搜索数据库。您只想确保这三条信息匹配，因此将它们连接起来是安全的：
user.hash = SHA1(user.firstName + user.DOB + user.lastName)
当你查询时，你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
我把query.DOB放在中间是因为名字和姓氏可能会发生冲突，就像JohnDoe Bob和John DoeBob在同一天出生一样。我不知道数字名称，所以我认为这将阻止像这样的冲突；）
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，发生碰撞的可能性真的很小。
从这个角度来看，碰撞是1 / 2^128 的发生，即：
1
---------------------------------------------------
340,282,366,920,938,463,463,374,607,431,768,211,456
这比：
0.0000000000000000000000000000000000000293873 %
我很漂亮确定你不会发生碰撞;)
【讨论】：
2^128。这大约是10^38，是人口规模的10^31 倍。我怀疑你会得到一个；）
哈希冲突是不可避免的。无论发生冲突的可能性多么小，如果您真的想要 100% 识别，您不应该只依赖哈希。
如果您使用散列来加速数据库搜索，则无需使用 SHA256。使用系统具有的最小大小的任何散列函数（MySQL 的 MD5()，或者如果您的数据库不是那么大，您甚至可以尝试 CRC32）。就在查询表格时，您需要提供您要搜索的所有条件：
SELECT * from user WHERE hash="AABBCCDD" AND firstname="Pavel" AND surname="Sokolov"
数据库维护一个值，称为index cardinality。它是给定索引上数据唯一性的度量。因此，您可以将所需的字段与哈希字段一起索引，并且数据库将为查询自己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，并且它们会选择具有最大基数值的那个。
数据库将需要首先选择所有与索引匹配的行，然后扫描它们以丢弃不匹配其他条件的行。
如果你不能使用我描述的方法，那么我认为在人名数据库上发生MD5冲突的概率非常低。
附：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？并且这种组合将比一些哈希冲突更快地匹配。
【讨论】：
【讨论】：