Mit jelent ebben a kérdésben az, hogy sótlan?

Nem tudom a kérdező tud-e angolul ehhez eléggé, így próbáltam neki én magyarul keresni. Érdekes, hogy a google semmi értelmes jó találatot nem adott ki, ami rendes válasz lenne, így kénytelen vagyok én megfogalmazni röviden.

Léteznek ugye a hash-függvények: ezeknek az a lényege, hogy egy tetszőleges bájtsorozatból egy programozott függvény szerint egy pontosan megadott hosszúságú bájtsorozatot ad ki (hexadecimális formában használjuk). Azaz például az SHA-512 az pontosan 512 bit hosszú (azaz ha jól számolok, az 128 hexadecimális "számjegy"). Akkor is ilyen hosszú, ha egyetlen betűt adsz neki bemenetnek, és akkor is, ha egy 8 gigabájtos fájlt. Mivel ezáltal egyirányú lesz a függvény (nem lehet visszafejteni egyértelműen), ezért az egyetlen értelmes módja jelszavak biztonságos tárolásának, hogy hasht képeznek belőle, és csak a hasht tárolják el.

Ez felvetett egy problémát: mivel a függvény mindig ugyanazt a hasht adja ki ugyanarra a jelszóra, ezért a "hackerek" a leggyakrabban használt jelszavakra szótárakat hoztak létre, és a szótárban eltárolták a gyakori jelszavak hash értékét. Feltörnek egy adatbázist, látják, hogy a jelszó hash például d404559f602eab6f..., és kinézik a szótárból, hogy ehhez az "1234" tartozik. Jó eséllyel ugyanezzel a jelszóval utána beléphetnek máshová is, mert a legtöbb ember ugyanazt a jelszót használja mindenhol.

Erre megoldás: nem a jelszó hash-ét tároljuk el, hanem hozzáadunk még valamit a hash-képzéshez, ezt hívják sónak. Ekkor a hacker hiába próbálkozik a szótáraival, ló....ra megy vele, mert a só bármi lehet, és visszajut ugyanoda, azaz hogy 10 a sokmilliomodik hatványon darab próbálkozást kéne csinálnia.

Fúúú. Nem tudom hogy jönnek ki ilyen napok meg aztán negyed órák meg öt percek hash-al. Gondolom összehasonlításnál minden fájlt mindegyikkel hasonlítasz össze. Ekkor ha ezernél 1 nap akkor 10 ezernél 100 nap körül lenne. Nagyon rosszul skálázódik már mondjuk 1 millió fájlnál a négyzetes futási idő miatt. Ha hash-eket hasonlítasz össze így akkor is lényegében ugyan ez van, csak a futási időben az egyes összehasonlítások konstans műveletigénye miatt lenne gyorsabb, viszont egy millió elemszám esetén így is jól megnő a futási idő. Jelentősen gyorsítana rajta ha hash táblát használnál összehasonlításhoz. Ez lényegében négyzetes futási időből lineáris futási időt csinálna.

Megjegyzés:

Mi ez az egyedi tárolás? Ha bedöglik az ssh-d akkor tárolhatod ezer példányba rajta.

Nagyon rossz gyakorlat pendrive-ra archiválni. Nem is rak bele a gyártó hardveresen különböző diagnosztikai adatok kezelését mint ssd-en vagy hdd-en amik vannak. (Mint pl mennyit volt használva, hány fokos stb) Bithibák előfordulhatnak rajta, tapasztaltam nem egyszer amikor pendrive-on vittem több 10 GB nyi adatot. Ez meg nem is derült ki egyből hogy mi okozza az anomáliákat. Meg képes úgy tönkremenni, használhatatlanná válni, hogy nem is gondolná az ember, mint derült égből villám csapás.

Hash tábla :

[link]

[link]

Ez a hash tábla olyan hogy tud nagyon gyors lenni, de lehet elfajuló eset amikor a leképező hash függvény olyan értékeket kap melyeknek mindnek ugyanaz a hash-e. Bár ennek valószínűségét exponenciálisan lehet közelíteni a 0-hoz, vagyis nem várható hogy ilyen lesz kivéve ha valaki erre játszik. A hash tábla elég egyszerű.

Vannak más adatszerkezetek is, tipikusan a fák. Egy sima mintafát könnyű elfajulóvá tenni. Ezért találták ki az önkiegyensúlyozó fákat. Csak ezek már bonyolultabbak ilyen pl az AVL-fa, legelfajulóbb esetbe se lehet rosszabb mint a legpotimálisabb kiegyesúlyozásnak a gyök kétszerse.

Tipikusan adatbázisok belső adatszerkezetét tervezték úgy hogy HDD-re optimalizáltan ahogy megy a HSS olvasó fej és egyszerre több egymást követő szektort is beolvas ugyanazzal a mozdulattal, ne kelljen annyit seek-elni, erre meg B-Fákat használnak, ez legrosszabb esetbe is kb olyan gyors mint egyébként.

Vannak fájlrendszerek melyek fájlrendszer szinten tudnak checksum-ot, sőt ECC-t is. Hibatűrő rendszereknél meg RAID-be kötik a háttértérakat egy gépen és távoli gépre/gépekre hálózaton átszinkronizálják az adatokat.

*"HSS olvasó fej "

HDD olvasó fej

Checksum-os ECC-s fájlrendszerek meg a többi is :

[link]

Az úgy szívás. Kuka se volt a dropbox-on amiből vissza lehetett volna hozni? Átszinkronizálás alatt azt értettem hogy saját maguk oldják meg a gépek között. Ftp tud olyat hogy nem törölhető de írható, de akkor már inkább sftp a biztonság miatt. Felhőből meg nem tudom hogy van e olyan ingyenes amit kérdezel. Pénzért biztos.

Egyébként meg HDD-re vagy SSD-re ha írod jobban jársz mint pendrivera, a pendrive nem archiválásra való.