Python文件完整性监控：对比baseline哈希与目录文件哈希的方法

架构老林

2026-7-12

问题描述

我正在用Python开发一款文件完整性监控器，已实现遍历指定目录内所有文件、计算文件内容的SHA512哈希值，并将文件路径与对应哈希值存储到baseline.txt的功能。现在需要完善comp_baseline函数，实现以下功能：

将baseline.txt中的数据解析为以文件路径为键、哈希值为值的字典
对比目录中文件的当前哈希值与字典中对应路径的哈希值，若哈希不匹配则发出告警
同时检测文件新增或删除的情况

当前代码存在逻辑错误，无法完成上述功能，baseline.txt的格式如下：

/home/kali/Documents/test_files/b.txt | c49b73859752f36533fe7efe8994a697f88b1f9fac06003ca2e7d5d1d97ddb230bebe54fc36610d105625862998126ff5974b40c322d719fd706c1db8d503958
/home/kali/Documents/test_files/e.txt | 2d32d7704de22f9016fc75269ee54a4576864e9983aeb187fe06bf00113e5a01b5c93b8123a1e20bcc1c213afe09ed70e7bf0e4b49df80a046b8f91a7daa0b17
/home/kali/Documents/test_files/a.txt | a07b2986313eff8ebe7d73d4f2432bd9c2a7d7c43867cfcb0712f30868302921c5b09d73cd823c6d15aaa6e66ecd024b11d1f09bdf95178031cfd539621b24b0
/home/kali/Documents/test_files/d.txt | febdef5ebb1eec24417b9341f42f3259f4e5918ebb6993fbd362574a8305b03b46da5046b14e7761ede08cb9c4176e89752d525c2917bf701e139397bc561040
/home/kali/Documents/test_files/c.txt | bc7f9d6af7a95e4ca293bc96e19f8047faa7ceefc516043fc16c29ee673855bda84c84dc57cb0f285301dd21f3fbada2a47548f2fbc03187d95c78eb4612822c

修正后的comp_baseline函数

import os
import hashlib
import time

# 根据实际情况修改全局变量
directory = "/home/kali/Documents/test_files"
BUF_SIZE = 65536  # 64KB块大小，优化大文件读取效率

def comp_baseline():
    base_dict = {}
    baseline_path = "baseline.txt"

    # 加载基线文件
    if not os.path.exists(baseline_path):
        print("Baseline file does not exist in local directory.")
        return

    with open(baseline_path, 'r') as f:
        for line in f:
            line = line.strip()
            if not line:
                continue  # 跳过空行
            try:
                key, value = line.split(' | ')
                base_dict[key] = value.strip()
            except ValueError:
                print(f"Invalid line format in baseline: {line}")
                continue

    print("Loaded baseline successfully:")
    for path, hash_val in base_dict.items():
        print(f"{path} | {hash_val[:10]}...")  # 只打印哈希前10位，避免输出过长

    # 持续监控文件状态
    while True:
        time.sleep(1)
        current_files = set()

        # 遍历当前目录下的所有文件
        for filename in os.listdir(directory):
            fn = os.path.join(directory, filename)
            # 跳过目录，只处理文件
            if not os.path.isfile(fn):
                continue
            current_files.add(fn)

            # 计算当前文件的SHA512哈希
            try:
                filehash = hashlib.sha512()  # 每次计算新建哈希对象，避免残留旧数据
                with open(fn, 'rb') as f2:
                    while True:
                        data = f2.read(BUF_SIZE)
                        if not data:
                            break
                        filehash.update(data)
                current_hash = filehash.hexdigest()

                # 对比基线哈希值
                if fn in base_dict:
                    if current_hash != base_dict[fn]:
                        print(f"⚠️ ALERT: File {fn} has been modified!")
                        print(f"  Old hash: {base_dict[fn][:10]}...")
                        print(f"  New hash: {current_hash[:10]}...")
                else:
                    print(f"⚠️ ALERT: New file detected - {fn}")
            except Exception as e:
                print(f"Error processing file {fn}: {str(e)}")

        # 检测基线中存在但已被删除的文件
        deleted_files = base_dict.keys() - current_files
        for deleted_fn in deleted_files:
            print(f"⚠️ ALERT: File {deleted_fn} has been deleted!")

关键修改说明

哈希对象重置：每次计算文件哈希时重新创建hashlib.sha512()对象，避免之前计算的哈希值残留导致结果错误
修复存在性判断：用fn in base_dict替代原代码中错误的fn in base_dict[key]，正确判断文件是否在基线中
完整哈希对比：读取完整文件后计算哈希值，再与基线中的值进行对比，不匹配则触发修改告警
新增/删除检测：通过集合对比，检测出基线中没有的新文件、以及基线存在但已被删除的文件并告警
跳过目录：添加os.path.isfile(fn)判断，避免遍历目录时出现读取错误
异常处理：捕获文件读取过程中的异常，防止单个文件处理失败导致整个监控中断
格式容错：处理基线文件中的空行和格式错误行，提高鲁棒性

内容的提问来源于stack exchange，提问作者AerialSong