这个校验和算法可以改进吗？

Question

我们有一个非常古老的,不受支持的程序,它可以跨SMB共享文件.它有一个校验和算法,用于确定在复制之前文件内容是否已更改.该算法似乎很容易上当 - 我们只是发现了一个例子,其中两个文件,除了一个"1"改为"2"完全相同,返回相同的校验和.这是算法:

unsigned long GetFileCheckSum(CString PathFilename)
{
        FILE* File;
        unsigned long CheckSum = 0;
        unsigned long Data = 0;
        unsigned long Count = 0;

        if ((File = fopen(PathFilename, "rb")) != NULL)
        {
                while (fread(&Data, 1, sizeof(unsigned long), File) != FALSE)
                {
                        CheckSum ^= Data + ++Count;
                        Data = 0;
                }
                fclose(File);
        }
        return CheckSum;
}

我不是一个程序员(我是一个系统管理员),但我知道基于XOR的校验和将非常粗糙.对于具有不同内容的两个相同大小的文件,此算法返回相同校验和的可能性是多少？(我不期待一个确切的答案,"远程"或"非常可能"是好的.)

如果没有巨大的性能影响,它怎么能改进？

最后,这是怎么回事fread()？我快速扫描了文档,但我无法弄清楚.是Data依次设置文件的每个字节？编辑:好的,所以它正在读取文件unsigned long(让我们假设这里有32位操作系统)块.每个块包含什么？如果文件的内容是abcd,Data第一遍的值是多少？是(在Perl中):

(ord('a') << 24) & (ord('b') << 16) & (ord('c') << 8) & ord('d')

Answer 1

MD5通常用于验证传输文件的完整性.源代码在c ++中很容易获得.它被广泛认为是一种快速而准确的算法.

另见鲁棒和快速校验和算法？

Answer 2

我建议您查看Fletcher 的校验和，特别是 fletcher-32，它应该相当快，并检测当前 XOR 链不会检测到的各种内容。

Answer 3

您可以使用如下公式轻松改进算法：

Checksum = (Checksum * a + Data * b) + c;

如果 a、b 和 c 是大素数，这应该会返回良好的结果。之后，旋转（而不是移位！）校验和位将进一步改进它。

使用素数，这是与线性同余生成器使用的算法类似的算法- 它保证长周期和良好的分布。