識別二進制文件的最有效方法是什麼？我想從二進制文件中提取某種簽名，並用它與其他人進行比較。如何有效識別二進制文件
蠻力的方法是使用整個文件作爲簽名，這將耗時太久，太多的記憶。我正在尋找一個更智能的方法來解決這個問題，並且我願意犧牲一點精確度（但不是太多，但不是太高）來提高性能。
（而Java代碼的實例優選，鼓勵語言無關的答案）
編輯：掃描整個文件來創建一個散列有更大的文件，時間越長的缺點。由於散列不會是唯一的，我想知道是否有更有效的方法（即：均勻分佈的字節採樣中的散列）。
我發現這種方法有效的方法是計算兩個SHA-1散列。一個用於文件中的第一個塊（我隨意選取512個字節作爲塊大小），另一個用於整個文件。然後我將這兩個哈希與一個文件大小一起存儲。當我需要識別文件時，我會首先比較文件長度。如果長度匹配，那麼我會比較第一個塊的散列，如果匹配，我比較整個文件的散列。前兩個測試很快就淘汰了很多不匹配的文件。
+1好策略 – NullUserException 2010-08-14 12:45:38
現在我們正在談論。 :) – hpique 2010-08-14 12:45:52
這就是hashing是。見MessageDigest。
注意，如果您的文件過大在內存中讀取，這是可以的，因爲你可以養活文件塊的哈希函數。例如，MD5和SHA1可以佔用512位的數據塊。
此外，兩個文件具有相同的哈希值不一定相同（這是非常罕見的，他們是不是雖然），但兩個文件是相同的具有一定相同的散列。
通常的答案是使用MD5，但我想表明，有太多的衝突在現代應用程序中使用MD5：http://www.mscs.dal.ca/~selinger/md5collision/
SHA-1在十多年前取代MD5。
2005年NIST建議在2010年之前應該使用SHA-2來代替SHA-1，因爲已經完成了證明SHA-1降低變體衝突的工作。 （這是非常好的遠見，因爲它是now known，它需要2^51的工作來找到碰撞，理想情況下需要2^80的工作來找到碰撞。）
所以請根據你想要的（請選擇），SHA-1（我明白，但我們可以做得更好），以及SHA-2（選擇我！接我！），以及其他可能需要互操作的程序。
你要考慮到使用頭標識。 如果你能以這種方式設計你的文件，這將是快速和可靠的。 使用一個字節，你可以區分255個文件類型;）
不幸的是，我不能假設這些文件太多。 – hpique 2010-08-14 12:36:53
「既然哈希將不唯一反正」 - 你什麼意思？在所有文件中哈希不可能是唯一的，但是對於密碼安全的哈希函數，您永遠不會遇到碰撞。 – 2010-08-16 11:03:23
我的意思是說，如果結果不是唯一的，也許讀取整個文件是不必要的。我認爲在讀取一個60MB文件以產生一些字節的散列時必須有一些冗餘。 – hpique 2010-08-16 16:52:50