UUID的人类可读替代方案

Question

我正在开发一个系统，该系统大量使用假名来为研究人员提供隐私关键数据。这些假名应具有以下属性：

1. 它们不应包含任何信息（例如创建时间，与其他假名的关系，编码数据......）。
2. 创建独特的假名应该很容易。
3. 它们应该是人类可读的。这意味着当大声朗读时，人类应该容易比较，复制和理解。

我的第一个想法是使用UUID4。它们在（1）和（2）上相当不错，但在（3）中却没有那么多。

一种变体是使用更宽的字母表对UUID进行编码，从而产生更短的字符串（例如参见shortuuid）。但我不确定这是否真的提高了可读性。

我目前正在研究的另一种方法是2005年的一篇名为"An optimal code for patient identifiers"的论文，旨在解决我的问题。这里描述的算法创建了具有30位熵的8字符假名。我宁愿使用更广泛审查的标准。

然后还有git方法：只显示实际假名的前几个字符。但这意味着化名可能在一段时间后失去其独特性。

所以我的问题是：人类可读的独特ID是否有任何广泛使用的标准？

Answer 1

不知道任何广泛使用的标准。这是一个非广泛使用的：

Proquints

https://arxiv.org/html/0901.4016

https://github.com/dsw/proquint

UUID4（128位）将转换为8个proquints。如果这太多了，你可以取UUID4的最后64位（=只取64个随机位）。这并不会让它神奇地失去独特性;只会增加碰撞的可能性，一开始就不为零，你可以用数学方法估算它是否仍然可以用于你的目的。

Answer 2

This article建议使用SHA-256哈希中的前几个字符，类似于git所做的。 UUID通常基于SHA-1，因此并非完全不同。属性（2）和（3）之间的权衡是字符数。

由于d是数字的位数，你总共得到2 ** (4 * d)标识符，但第一次碰撞预计会在2 ** (2 * d)之后发生。

最大的问题不在于您使用的标识符类型，而是您处理冲突的方式。