为何Python对数字采用可预测哈希且未引发DoS攻击风险？

要搞懂这个问题，得先明确哈希碰撞DoS的核心逻辑：攻击者构造大量不同的输入，让它们的哈希值完全相同，这样哈希表（比如Python的字典）会把这些输入塞进同一个桶里，每次插入都要遍历桶内所有元素做相等性检查，最终让插入操作从平均O(1)退化成最坏O(n²)，拖垮程序。

而整数类型的哈希机制和字符串有本质区别，导致攻击者没法用同样的套路搞事：

• 整数哈希的碰撞极难构造：
  Python中，对于小整数（小于等于sys.hash_info.width的整数），hash(x)直接返回x本身；对于大整数，哈希值是基于其数值的确定性映射，但这个映射没有已知的高效碰撞生成方法。要找到大量不同的整数产生相同哈希值，攻击者需要解决复杂的数论问题，计算成本极高，根本没法在短时间内生成足够多的碰撞输入来触发DoS。

• 就算有碰撞，性能影响也可以忽略：
  退一步说，哪怕你找到了少量哈希碰撞的整数，整数的相等性比较是O(1)的直接数值比对，而字符串的比较是O(k)（k为字符串长度）。哈希桶内的遍历比较速度天差地别，就算桶里有几十上百个整数，遍历的开销也远低于字符串的情况，不会造成明显的性能下降。

• 没有批量生成碰撞的可行方法：
  早期未加盐的字符串哈希，攻击者可以利用已知的哈希算法漏洞，批量生成成千上万的碰撞字符串，但整数的哈希机制不存在这样的漏洞——你没法通过简单的规则生成大量不同的整数，让它们的哈希值一致。

内容的提问来源于stack exchange，提问作者Saleh