一种基于改进模糊哈希的文件比较算法研究

• 作者: 于毅 张静 王连印 邸宏宇
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 模糊哈希 局部敏感 文件比较 滚动哈希
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 技术研究
• 页码范围: 12-18
• 页数: 7页
• 分类号: TP309
• 字数: 6589字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2016.11.003

摘要

模糊哈希算法广泛应用于同源相似文件的检索、恶意代码检测、电子数据取证等领域。模糊哈希算法首先依据文件长度和文件内容检测对文件进行分片，再对每一个分片进行滚动哈希运算，最后将各分片的哈希值连接在一起，形成文件指纹，实现了具有局部敏感特性的近似最邻近搜索。文章采用了关键词触发的变长分片策略和基于simhash的滚动哈希计算方法对现有的模糊哈希算法进行改进，克服了分片长度依赖于文件长度、触发条件与分片中内容无紧密联系、运算性能受滚动窗口长度制约的缺陷。基于多种语料库的文件比较实验表明，文章提出的改进模糊哈希算法可以有效地实现同源相似文件的发现，且具备支持多级信息粒度比较的能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王连印		9	73	4.0	8.0
2	邸宏宇		1	4	1.0	1.0
3	张静		1	4	1.0	1.0
4	于毅		1	4	1.0	1.0