压缩数据前3字节相同的概率 #

首先明确，Deflate动态模式（dynamic mode）的开头字节是压缩块头，由以下部分构成：

• 第1位：标识是否为最后一个块（0=非最后，1=最后）
• 接下来2位：块类型（00=存储，01=固定哈夫曼，10=动态哈夫曼，11=预留）
• 针对动态哈夫曼块，后续字节包含构建哈夫曼编码表的参数：
  • 5位：字面量/长度编码哈夫曼树的代码长度数量（HLIT）
  • 5位：距离编码哈夫曼树的代码长度数量（HDIST）
  • 4位：代码长度编码哈夫曼树的代码长度数量（HCLEN）

由于两个文件未压缩前20字节完全相同，且数据是99%的Base64（Base64属于高度冗余、可预测的字符集），Deflate动态压缩会针对开头的相同数据生成高度相似的哈夫曼编码表，因此压缩块头的参数会趋于一致：

• 开头块类型必然是10（动态哈夫曼），所以前3位固定为0 10（假设不是最后一个块），对应字节的高3位无差异。
• HLIT、HDIST、HCLEN参数会因开头相同的Base64数据大概率一致，这直接决定了前3字节的核心内容。

这种场景下，压缩数据前3字节相同的概率极高，远高于随机概率——Base64的冗余性和开头一致的输入，会让Deflate的动态编码逻辑生成几乎相同的初始编码表参数。

能否轻松推测压缩文件的前5字节 #

从你遇到的5个文件来看，4个开头为14 9A C7，1个为1C 9A C7，差异仅在第一个字节的低4位（14是00010100，1C是00011100），对应HLIT参数的微小调整（HLIT是5位参数，第一个字节的低5位包含其部分内容）。

虽然多数情况下前5字节会高度相似，但不能直接说“轻松推测”：

• 当未压缩数据开头完全一致时，前5字节的一致性极高，但仍存在微小概率的参数差异（比如HLIT的微调），就像你遇到的例外情况。
• 即便前20字节相同，后续Base64数据的微小波动，也可能导致编码表参数的小幅调整，进而改变开头的几个字节。

不过对于高度一致的Base64输入+相同的Deflate压缩实现，可以大概率推测前5字节的内容，但无法做到100%保证。

内容的提问来源于stack exchange，提问作者actgroup inc