雲里的×片兒是如何被屏蔽的？

每次文章寫久了就會滋生疲倦感，會厭倦。這時候就想打開某雲消遣一下，點開層層目錄，一片世外桃源：

英語四六級

馬克思理論文學知識

我的網盤>開發語言>軟體工程實戰指導>xxx.omg、yyy.sht、zzz.orz

各種後綴名百花齊放，正美滋滋幻想著蒼老師的憨笑，不曾想蹦出了馬老師的咆哮，整個人都炸了。。。

怒髮衝冠憑欄處，

瀟瀟雨歇含淚眼。

明明已經改了名字，還改了後綴名，某雲是怎麼識別出來的？扎心了老鐵。各位擼友稍安勿躁，且聽老司機來給你們科普科普（如果對這段數據沒興趣請直接拖到最後藍色字體部分：）

在計算機的世界裡，只有和1，和生物界一樣，只有公和母。這是計算機信息的最小元素，叫位，單位是比特，二進位的。上帝創造了亞當和夏娃，人類創造了0和1，這兩個神奇的數字，組成了計算機世界的一切，包括你的片兒。

8位數字組成一個位元組，它是最基本的數據單位，雖然比特是最小的單位，但是在計算機中實際不會看到這個層級的數據，因為太小了。一部1G的片，換算成最小單位就是

1G =1024MB= 1024*1024KB

= 1024*1024*1024 =230

= 1,073,741,824B

= 8,589,934,592b

接近86億比特。這真是個天文數字，這麼巨大的信息量直接比較是不可能的，咋整？這就需要攻城獅出馬了。

某雲如何識別*片的？

為什麼偽裝的很好的*片仍會被糾出來呢？基本原理是這樣的：先找出範本，然後比較。範本哪來的？當然是革命隊伍中出現了叛徒。

但是怎麼比較就是個技術活了，從上百上千萬視頻中比出毛片並非易事，絕不可能通過肉眼識別，也不可能是整個視頻比較。因為一部幾十分鐘的視頻，大小有幾百兆到幾個G不等，而且還是壓縮編碼的，沒有系統會將其解碼後再比較。這裡就需要引入一個技術術語，叫做信息指紋。

任何一段信息（文字、語音、圖片、視頻）都可以對應到一個不太長的隨機數，作為區別它和其他信息的特徵，就像人的指紋（FingerPrint），所以叫信息指紋。

視頻的匹配有兩個核心技術，關鍵幀的提取和特徵的提取。視頻雖然每秒有30幀圖像，但是每一幀之間差異不大（否則我們看起來就不連貫了）。只有極少數的幀是完整的圖像，這些稱為關鍵幀。其餘幀存儲的只是和關鍵幀相比的差異值。關鍵幀對於視頻的重要性，就如同主題詞對於新聞的重要性一樣。因此處理視頻圖像首先要找到關鍵幀，接下來就是要用一組信息指紋來表示這些關鍵幀了。

有了這些信息指紋後，接下來查*片的事情就是比較所有文件的信息指紋是否相同了。所以識別步驟大致是這樣的，假設很不幸，某部*片被糾出來了，攻城獅們就會根據這部片的關鍵幀，製作出一套信息指紋，去和伺服器上所有的視頻匹配，匹配上就是殺無赦斬立決，基本上是寧可錯殺三千不可放過一個的態勢。於是大家就看不到蒼老師看到馬老師了。攻城獅們是不是很酷，其實誰知道他們內心是不是也在滴血呢，所以才需要鼓勵師來撫慰啊。

既然大家知道原理了，自然就想怎麼破解。一種方法是做成壓縮文件存放，但這些資源本身就是從其他地方轉存過來的，下載壓縮上傳，需要的時候還得下載解壓，有一種遠水解不了近渴的感覺。筆者有一個好方法，那就是……

擼海無涯，

回頭是岸。

（如果大家有化腐朽為神奇方法，歡迎留言分享）

據說YouTube就是用使用信息指紋技術識別出相同的視頻，再根據上傳時間判斷出誰是原創，並制定了一個很有意思的廣告策略：所有拷貝視頻的收益全部歸視頻的原創者，比如廣告是插入在拷貝的視頻中，廣告的收益也會歸原創。這樣一來，所有拷貝和上傳別人視頻的網站就不可能獲得收益。沒有了經濟利益，也就少了很多盜版和拷貝。

信息指紋是項好技術，用途也絕不僅於此。他與密碼學的關係就相當於區塊鏈與比特幣的關係。信息指紋的一個特徵就是不可逆性，也就是說，無法根據信息指紋逆運算出原來的信息。這種性質，正是網路加密傳輸及存儲所需要的。

在互聯網上生成信息指紋的演算法，常用的有MD5和SHA1。他們可以將不定長的信息變成定長的128位或者160位二進位隨機數。值得一提的是，兩種演算法都還可以引入一些干擾信息（比如雙方約定的密鑰）一起進行運算，甚至多次運算，這種天知地知你知我知的操作，引起了黑客界的共憤，但保護了信息傳輸的安全。目前一些大銀行和BAT都有採用這種技術。

正如「關於我們」一文里所說，我不希望沉浸在文字中不能自拔。更不能沉浸在*片里不能自拔，尤其是青少年，畢竟強擼灰飛煙滅，吾輩心中當有一少年中國說：

少年智則國智，少年富則國富；

少年強則國強，少年獨立則國獨立；

少年自由則國自由；少年進步則國進步；

少年勝於美洲，則國勝於美洲；

少年雄於地球，則國雄於地球。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！