信息指纹

信息指纹可以理解为 将一段信息（文字，图片，音频，视频等）随机地 映射到 一个多维二进制空间中的一个点（一个二进制数字）。随机函数做得好，不同信息对应的点不会重合，这些二进制的数字为原来信息所具有的独一无二的指纹。

 

用来提高存储空间，节约查找时间的。

信息指纹 有 网址的消重性，密码性。它具有不可逆性，即无法根据信息指纹推出原有信息。

 

映射函数为 伪随机数产生器。加密的伪随机数产生器（CSPRNG）。

 

信息指纹的用途：

判定集合相同：

1、两个集合一一做比较：O（N*N）

2、两个集合分别排序，顺序比较：O（NlogN）

3、第一个集合放在哈希表中，把第二集合的元素和哈希表中元素比较：O（N）外加O（N）的空间

4、计算两个集合的指纹：O(N)。计算集合元素的指纹，然后相加，（由于加法的交换律，保证指纹不因元素出现的次数而改变）

判定两个集合基本相同：

比如：找出两个网页中几个词构成 特征词集合（找出IDF最大的几个词），计算它们的信息指纹。

视频匹配：关键帧的提取 和 特征提取。

 

 

相似哈希（Simhash）：一种特殊的信息指纹。

一个网页有若干词t1t2…tk，对应权重（TF-IDF）为w1w2…wk。

将第一个词t1的指纹定为8位(r1r2…rk)，若rn为1，则权重为+w1;若rn为0,则权重为-w1.

其他词做同样操作，最后相加。得到8位指纹的8个权重值，当权重大于0，为1；当权重小于0,为0.

这样得到了一个8位二进制指纹。

若果两个网页的相似哈希相差小，则这两个网页的相似性高。