Câte elemente aleatoare înainte ca MD5 să producă coliziuni?

Probabilitatea a doar două lovituri accidentale care se ciocnesc este 1/2 ¹²⁸ care este 1 în 340 undecillion 282 decillion 366 nonion 920 octillion 938 septillion 463 sextillion 463 quintillion 374 cvadrilioane 607 trilioane 431 miliarde 768 milioane 211 mii 456.

Cu toate acestea, dacă păstrați toate hash-urile, atunci probabilitatea este mai mare datorită paradoxului zilei de naștere . Pentru a avea șanse de 50% ca orice hash să se ciocnească cu orice alt hash, aveți nevoie de hashes 2 ⁶⁴ . Aceasta înseamnă că pentru a obține o coliziune, în medie, va trebui să spargeți 6 miliarde fișiere pe secundă timp de 100 de ani .

S3 poate avea subdirectoare. Doar puneți un "/" în numele cheii și puteți accesa fișierele ca și cum ar fi fost în directoare separate. Eu folosesc acest lucru pentru a stoca fișierele utilizator în foldere separate pe baza ID-ul lor de utilizator în S3.

De exemplu: "mybucket/users/1234/somefile.jpg". Nu este exact același ca un director într-un sistem de fișiere, dar API-ul S3 are câteva caracteristici care permit funcționarea aproape la fel. Pot să-i cer să afișeze toate fișierele care încep cu "users/1234 /" și îmi va arăta toate fișierele din acel "director".

Așteaptă, deci:

md5(filename) + timestamp

sau:

md5(filename + timestamp)

În cazul în care primul, sunteți de cele mai multe ori la un GUID, și nu aș face griji despre asta. În cazul în care acesta din urmă, a se vedea postul lui Karg despre modul în care veți colizi în cele din urmă.

O regulă gravă a coliziunilor este rădăcina pătrată a intervalului de valori. Sigla dvs. MD5 este probabil lungă de 128 de biți, astfel încât veți avea tendința de a vedea coliziunile de mai sus și dincolo de 2 ^ 64 de imagini.

Deși coliziunile MD5 aleatorii sunt extrem de rare, dacă utilizatorii pot furniza fișiere (care vor fi stocate în mod verbale), atunci pot interveni coliziuni de inginerie. Asta este, ei pot crea în mod deliberat două fișiere cu același MD5sum, dar date diferite. Asigurați-vă că aplicația dvs. poate gestiona acest caz într-un mod sensibil sau poate utiliza un hash mai puternic ca SHA-256.

Deși au apărut probleme cu MD5 datorită coliziunilor, coliziunile UNINTENTIONAL între datele aleatorii sunt extrem rare. Pe de altă parte, dacă aveți hashing pe numele fișierului, nu sunt date aleatorii și m-aș aștepta la coliziuni rapide.

Coliziunea MD5 este extrem de puțin probabilă. Dacă aveți MD5 9 trilioane , există o singură șansă în 9 trilioane că va exista o coliziune.

Nu contează cu adevărat cât de posibil este; este posibil. S-ar putea întâmpla în primele două lucruri pe care le-ați avut (foarte puțin probabil, dar posibil), deci va trebui să sprijiniți coliziunile de la început.