1.1 校验码

码距与校验码：通俗理解数据安全的基石

一、码距（海明距离）

1. 定义

码距，又称海明距离，是衡量两个等长编码之间差异程度的指标。简单来说，就是两个编码在相同位置上，对应位不同的个数。它代表了将一个编码转换为另一个编码，最少需要改变多少个位。

2. 举例说明

• 示例一：编码 A = 00，编码 B = 11。对比每一位，第1位（0和1）不同，第2位（0和1）也不同，共有 2位 不同，因此码距为 2。
• 示例二：编码 A = 1010，编码 B = 1100。从左到右对比，第1位相同，第2位（0和1）不同，第3位（1和0）不同，第4位相同。共有 2位 不同，因此码距为 2。

3. 最小码距

在一个编码集合中，任意两个合法编码之间的最小海明距离，被称为最小码距（d_min）。它是衡量整个编码系统抗干扰能力的关键指标。

举例：假设一个编码集合包含三个合法编码：000、011、101。

编码对	码距
000 与 011	2
000 与 101	2
011 与 101	3

在这个集合中，最小的码距是 2，因此该编码系统的最小码距 d_min = 2。

4. 码距的作用

码距直接决定了编码系统的检错和纠错能力：

• 检错能力：若最小码距为 d，则最多可检测 d-1 个错误。
• 纠错能力：若最小码距为 d，则最多可纠正 ⌊(d-1)/2⌋ 个错误（⌊ ⌋ 表示向下取整）。
• 核心规律：码距越大，编码的纠错和检错能力就越强。

简单例子：

• 若 d_min = 2，最多可检测 2-1=1 个错误，最多可纠正 ⌊(2-1)/2⌋ = 0 个错误。这说明它只能发现1位错误，但无法纠正。
• 若 d_min = 3，最多可检测 3-1=2 个错误，最多可纠正 ⌊(3-1)/2⌋ = 1 个错误。这说明它不仅能发现2位错误，还能准确纠正1位错误。

---

二、校验码概述

1. 校验码的定义

校验码是在原始数据的基础上，按照特定规则添加的额外数据位（冗余位）。接收方利用这些冗余位，可以验证数据在传输或存储过程中是否发生了改变。

2. 校验码的作用

在数字世界中，信号干扰、硬件老化等因素都可能导致数据出错（如0变成1）。校验码的核心作用就是保障数据的完整性和可靠性，确保"发什么就收什么"。

3. 校验码的分类

• 检错码：只能发现数据是否出错，但无法知道具体是哪一位出错，因此不能自动纠错。
• 纠错码：不仅能发现错误，还能根据冗余信息自动定位并纠正错误位。

---

三、奇偶校验码（Parity Check）

1. 原理

奇偶校验是最简单的校验方法。它在原始数据后增加 1位校验位，使得整个编码中"1"的个数满足特定条件：

• 奇校验：整个编码中"1"的总数为奇数。
• 偶校验：整个编码中"1"的总数为偶数。

加入这1位校验位后，合法编码之间的最小码距变为 2。

2. 检错能力

它可以检测出奇数个位出错（如1位、3位），但无法检测偶数个位出错（如2位同时翻转，1的个数奇偶性不变）。此外，它不具备纠错能力。

3. 简单举例

以原始数据 1101 为例（其中包含3个"1"）：

• 奇校验编码：数据已有3个"1"（奇数），为保持奇数，校验位填 0。最终编码为 11010。
• 偶校验编码：数据已有3个"1"（奇数），为凑成偶数，校验位填 1。最终编码为 11011。

如何检测错误：假设采用偶校验，发送了 11011。如果接收方收到 10011，重新计算"1"的个数，发现有3个（奇数），与偶校验规则不符，判定出错。

4. 优缺点

• 优点：实现极其简单，硬件开销小。
• 缺点：检错能力弱，无法纠错，无法发现偶数个错误。

---

四、循环冗余校验码（CRC）

1. 原理

CRC 是一种基于多项式除法的检错技术。发送方和接收方约定一个生成多项式（如 1011）。发送方用原始数据除以该多项式（模2除法，即异或运算，不借位），将得到的余数作为校验位（FCS）附加在数据后面发送。接收方用同样的多项式去除接收到的数据，若余数为0，则认为数据正确。

2. 检错能力

CRC 检错能力极强，能检测出绝大多数突发错误，但它只能检错，不能纠错。

3. 简单举例

• 数据：1100
• 生成多项式：1011（4位，余数应为3位）
• 编码过程：
  1. 数据 1100 后面补3个0变为 1100000
  2. 用 1100000 除以 1011（模2除法），得到余数 100
  3. 将余数替换补的0，最终发送的数据为 1100100
• 校验过程：接收方收到 1100100，除以 1011，若余数为 000，则校验通过。

4. 应用场景

广泛应用于网络通信（如以太网、Wi-Fi）、磁盘存储、ZIP/RAR 压缩文件等。

---

五、海明校验码（Hamming Code）

1. 原理

海明码通过在数据位中插入多个校验位，且每个校验位负责校验不同的数据位组合，从而构建出更大的码距。

2. 检错与纠错能力

经典的海明码最小码距为 3，因此它可以检测2位错误，并能纠正1位错误。

3. 简单举例（简化版）

以4位数据 1011 为例，需插入3个校验位（P1, P2, P3），组成7位海明码。

• 编码：通过特定的奇偶校验规则，计算出 P1=0, P2=1, P3=0，最终编码为 0110101（位置排列为 P1 P2 D1 P3 D2 D3 D4）。
• 纠错：若传输中第3位出错，变为 0100101。接收方重新计算各校验组的奇偶性，发现 P1、P2 组报错，P3 组正常。将报错的校验位位置号相加（1+2=3），精准定位到第3位出错，将其翻转即可纠正。

4. 应用场景

主要用于对可靠性要求极高的场景，如服务器 ECC 内存、卫星通信、深空探测等。

---

六、校验和（Checksum）

1. 原理

将数据按固定长度（如16位）分成若干段，将所有段进行二进制加法运算（忽略最高位的进位溢出），最后将结果取反码，即为校验和。接收方用同样的方法计算，若结果全为1（或全为0，取决于实现），则校验通过。

2. 简单举例

假设数据分为两段：1010 和 0101。

1. 求和：1010 + 0101 = 1111
2. 取反码：1111 的反码为 0000
3. 发送的数据附带校验和 0000。接收方将 1010、0101、0000 相加，结果为 1111（全1），校验通过。

3. 应用场景

主要用于 TCP/IP 协议族中，如 IP 首部校验和、TCP/UDP 校验和。

---

七、Luhn 算法（模10校验）

1. 原理

Luhn 算法是一种针对十进制数字的校验算法，常用于人工输入场景。规则如下：从右往左数，将偶数位的数字乘以2（若结果大于9则减去9），然后将所有位的数字求和，最后对10取模。若余数为0，则校验通过。

2. 简单举例

以银行卡号 1234 为例（从右往左）：

位置（从右）	数字	处理	结果
第1位（奇数位）	4	不变	4
第2位（偶数位）	3	3×2=6	6
第3位（奇数位）	2	不变	2
第4位（偶数位）	1	1×2=2	2

• 求和：4 + 6 + 2 + 2 = 14
• 取模：14 % 10 = 4 ≠ 0，因此该号码无效。

若末位是0，和为10，10%10=0，则校验通过。

3. 应用场景

银行卡号、信用卡号、IMEI 码、社交账号等人工录入场景的防误输入验证。

---

八、各校验码对比表

校验码名称	校验位长度	检错能力	纠错能力	典型应用场景
奇偶校验码	1 位	可检测奇数个错误	无	早期串行通信、简单内存
循环冗余校验（CRC）	16位/32位等	极强（可检突发错误）	无	网络通信、磁盘存储、压缩包
海明校验码	多位（随数据增长）	可检测2位错误	可纠正1位错误	ECC内存、卫星通信
校验和（Checksum）	16 位	较弱	无	TCP/IP协议首部及数据校验
Luhn 算法	1位（十进制）	可检测单数字错误及相邻交换错误	无	银行卡号、信用卡号验证