哈希代码和校验和 – 有什么区别？
我的理解是，哈希码和校验和是相似的东西 – 一个数值，计算一个数据块，这是相对独特的。
即，产生相同数字哈希/校验和值的两个数据块的概率足够低，以致于为了应用的目的可以忽略它。
那么对于同样的事情，我们有两个词，还是哈希码和校验和之间有重要的区别？
我会说校验和 必然是一个哈希码 。 但是，并不是所有的哈希码都有很好的校验和。
校验和有一个特殊的目的，它validation或检查数据的完整性（有些可以通过允许错误纠正来超越）。 “好”的校验和很容易计算，并且可以检测到许多types的数据损坏（例如一个，两个，三个错误的位）。
哈希码简单地描述了一个将数据映射到某个值的math函数 。 当用作数据结构索引的方法（例如散列表）时，低碰撞概率是可取的。
每个人背后都有一个不同的目的：
- 散列码 – 被devise为在其域中是随机的（以最小化散列表等中的冲突）。 encryption哈希码也被devise为在计算上不可逆转。
- 校验和 – devise用于检测数据中最常见的错误，并经常快速计算（用于有效校验快速数据stream）。
在实践中，相同的function通常对两个目的都有好处。 特别是，一个密码强的散列码是一个很好的校验和（如果一个随机错误会破坏一个强大的散列函数几乎是不可能的），如果你能承担计算成本。
确实有一些区别：
- 当input不同时（尽可能经常），校验和只需要有所不同，但是它们快速计算几乎同样重要。
- 哈希代码（用于哈希表）具有相同的要求，另外它们应该均匀分布在代码空间中，特别是对于类似的input。
- encryption哈希有更严格的要求，给定一个散列，你不能构build一个input产生这个散列。 计算时间次之，根据应用程序，甚至可能希望散列计算速度非常慢（以对抗暴力攻击）。
维基百科说得好：
校验和函数与散列函数，指纹，随机函数和encryption散列函数有关。 但是，这些概念中的每一个都有不同的应用，因此有不同的devise目标 校验位和校验位是校验和的特殊情况，适用于小块数据（如社会安全号码，银行帐号，计算机字，单字节等）。 一些纠错码是基于特殊校验和的，不仅检测常见错误，而且在某些情况下还可以恢复原始数据。
哈希码和校验和都用于从数据项创build简短的数值。 不同之处在于校验和值应该改变，即使对数据项进行小的修改。 对于散列值，要求仅仅是真实世界的数据项应该具有不同的散列值。
一个明确的例子是string。 一个string的校验和应该包括每一位，而且顺序很重要。 另一方面，哈希码通常可以实现为有限长度前缀的校验和。 这将意味着“aaaaaaaaaaba”将与“aaaaaaaaaaab”相同的散列，但散列algorithm可以处理这种冲突。
校验和可防止意外更改。
encryption散列可以防止非常积极的攻击者。
当你在线上发送比特时，可能会偶然发生某些比特被翻转，删除或插入的情况。 为了让接收者检测到（或者有时是正确的）这样的事故，发送者使用校验和。
但是，如果你假设有人正在智能地修改networking上的消息，并且想要防范这种攻击者，那就使用encryption哈希（我忽略encryption签名哈希，或者使用辅助通道等，因为这个问题似乎并没有逃避）。
现在它们是可以互换的，但在过去的一段时间里，校验和是一个非常简单的技术，你可以把所有的数据加起来（通常以字节为单位），然后在那个值的最后加上一个字节，然后你希望知道是否有任何原始数据已损坏。 类似于一个检查位，但与字节。
当涉及为文件或数据片段创build的代码（数字或其他）时，我倾向于使用“校验和”这个词，以便检查文件或数据是否已被破坏。 我遇到的最常见的用法是检查通过networking发送的文件没有被修改（故意或其他）。
散列码和校验和函数之间的区别在于，它们被devise用于不同的目的。
-
校验和用来确定input内容是否发生了变化。
-
散列码用于确定input中的某些内容是否发生了变化， 并在各个散列码值之间具有尽可能多的“距离”。
此外，哈希函数可能还有其他要求，与此规则相反，比如早期形成哈希码值的树/簇/桶的能力。
如果你添加一些共享的初始随机化，你可以进入现代encryption/密钥交换的概念。
关于概率：
例如，假设input数据实际上总是变化（100％的时间）。 假设你有一个“完美的”散列/校验和函数，它产生一个1位散列/校验和值。 因此，对于随机input数据，您将得到不同的哈希/校验和值，50％的时间。
-
如果随机input数据中只有1位发生了变化，那么无论input数据有多大，您都可以检测到100％的时间。
-
如果随机input数据中的2位发生了变化，则检测到“变化”的概率被除以2，因为两个变化可能相互抵消，并且没有散列/校验和函数会检测到input数据中的2位实际上是不同的。
…
这意味着，如果input数据中的位数比散列/校验和值中的位数多倍，那么对于不同的input值，实际获得不同散列/校验和值的概率就会降低， 而不是不变 。
