百度云文件校验方式猜想

之前在百度云的备份了不少精致的AffterEffects模板，下载时发现部分文件无法下载，提示“您下载的内容中包含违规信息”，如下图：

 

被误判为不正经文件了？

那么，为什么会出现这种情况？

应该是百度云采用MD5校验方式，来判断是否是同一个文件。相比百度有一个违规文件数据库，里面存储着大量非法文件的MD5值。用户下载文件时会进行匹配，如果匹配到则无法下载。

那么如果不同的文件有相同的MD5，就会出现上图的误判情况。

我下载的文件比较多，将近11W个，这样和非法数据库撞MD5值的概率就大了一些。

首先看一下MD5的特点：

1、压缩性：任意长度的数据，算出的MD5值长度都是固定的。
2、容易计算：从原数据计算出MD5值很容易。
3、抗修改性：对原数据进行任何改动，哪怕只修改1个字节，所得到的MD5值都有很大区别。
4、弱抗碰撞：已知原数据和其MD5值，想找到一个具有相同MD5值的数据（即伪造数据）是非常困难的。
5、强抗碰撞：想找到两个不同的数据，使它们具有相同的MD5值，是非常困难的。

抗碰撞一点说是非常困难，但并不是不可能。

容易计算，应该是百度为了减小服务器负载的一个考量。

也就是说，虽然一个文件有且只有一种MD5，但是不保证这个MD5是唯一，不与其他文件MD5相同的。

 百度，你还我文件……