Одни и те же хеши на разные данные — баг в коде или реально коллизия?
У меня недавно похожая тема вылезла - несколько разных строк дают одинаковый хеш. Сначала тоже думал, что накосячил где-то с кодом, может данные криво передаются или функцию хеширования не так вызываю. Проверял все вызовы, смотрел логи, отдельный тест прогнал на простых данных - вроде всё нормально, библиотеки свежие, версия алгоритма та же, параметры без изменений.
Но потом задумался - насколько вообще реально получить коллизию в этом хеше? Алгоритм простой и не самый крутой по стойкости, но у меня входных данных не особо много, поэтому вероятность кажется маленькой. Меня смущает, что если это реально коллизия, как это по-настоящему проверить? Есть идеи, как отличить баг в коде от настоящего совпадения хеша?
Ещё вопрос - стоит ли вообще думать про ошибку со стороны кода, если библиотека проверенная и код не трогал? Кто сталкивался, как проверить, что это именно совпадение, а не где-то затык в логике? Или проще сразу менять алгоритм на что-то более надёжное и не париться?
На самом деле коллизии хешей — это редкость, особенно если данных не много. Но кастомные баги в коде не стоит исключать, даже если библиотека вроде проверенная. Иногда из-за какой-то мелочи с кодировками или форматированием может получить один и тот же хеш. Проверяй, выведи сырые данные, которые идут на хеширование, сравни их вручную. Если они реально разные — тогда можно подумать про коллизию. Переходить на другой алгоритм имеет смысл для надежности, но сначала надо проверить, что проблема именно в хеше, а не в предобработке или логике.