※ 引述《Killercat (杀人猫™)》之铭言： : ※ 引述《[email protected] (丁香鱼)》之铭言： : : 请问各位专家 : : 目前常见的hash方法有 md5 checksum crc ...等等 : : 但是这几种方法 只要档案有稍许的不同...所算出来的hash value : : 就会天差地远.... : : 想请问的就是 有哪个hash方法是 : : 假设影两个档案A和B 如果A 和B 的差异只有一点点(可能几个bit不同) : : 然後有哪个hash方法所算出的hash value也是只有差异一些些!! : 那个不叫hash, 那叫做特徵码 : 通常使用於病毒的变种防护上. : 这东西很多防毒软体引擎都或多或少会设计一些这类型的特徵码 : 不过这基本上跟hash毫无关系, 只是把一些特徵index起来而已 : 因为病毒体积都不大(总不太可能有500mb的病毒吧? 这应该叫做恶意程式了) : 所以"特徵"也比较少, 特徵码也不至於长到不能用的地步 : 如果你是拿来做一般档案编码的话, 那这个index所需要纪录的资料 : 远远不是hash能比的大小 =) 是的，那确实不是 hash 的用途，因为 hash 的基础是 pseudo random number。 你需要的是到 Google Scholar 找几个关键字（愈底下的愈粗略）： similarity (string or text, PCMan 提到的 edit distance 就是这类) fingerprint (data mining) text clustering (not computer cluster) text classification information extraction information retrieval --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 59.105.131.104