当前位置:首页 > 文章列表 > 文章 > python教程 > Python检测文件篡改方法详解

Python检测文件篡改方法详解

2026-02-23 09:59:03 0浏览 收藏
本文深入讲解了如何利用Python高效检测文件是否被篡改,核心在于通过计算并比对文件的SHA-256哈希值(即“数字指纹”)来识别内容变更——哪怕一个字节的改动也会导致哈希值彻底不同;文章不仅提供了安全、内存友好的分块读取哈希计算代码,还涵盖了哈希值的安全存储策略(如加密或只读配置)、批量文件校验方案,以及结合watchdog实现的实时监控告警机制,帮你构建一套实用、可靠且防绕过的文件完整性保护体系。

Python 检测文件是否被篡改的方法

检测文件是否被篡改,核心思路是通过比对文件的“指纹”在不同时间点的一致性。Python 提供了多种方法实现这一目标,最常用的是计算文件的哈希值。

使用哈希值检测文件篡改

文件内容一旦改变,其哈希值也会随之变化。通过保存原始哈希并在后续检查时重新计算,即可判断文件是否被修改。

常用的哈希算法包括 MD5、SHA-256 等。推荐使用 SHA-256,安全性更高。

  • 读取文件二进制内容
  • 使用 hashlib 计算哈希值
  • 将当前哈希与原始哈希对比

示例代码:

import hashlib

def get_file_hash(filepath): """计算文件的 SHA-256 哈希值""" hash_sha256 = hashlib.sha256() with open(filepath, "rb") as f:

分块读取,避免大文件占用过多内存

    for chunk in iter(lambda: f.read(4096), b""):
        hash_sha256.update(chunk)
return hash_sha256.hexdigest()

使用方式

file_path = "example.txt" original_hash = get_file_hash(file_path) # 初始保存的哈希

后续检查

current_hash = get_file_hash(file_path) if current_hash == original_hash: print("文件未被篡改") else: print("文件已被篡改")

保存哈希值到外部文件

为了防止哈希值本身被修改,应将其保存在安全位置,如只读配置文件或加密存储中。

可以将文件路径和对应哈希写入一个 .hash 文件中。

示例:保存和验证哈希列表

import json

def save_hashes(file_list, hash_file="hashes.json"): """保存多个文件的哈希值""" hash_dict = {filepath: get_file_hash(filepath) for filepath in file_list} with open(hash_file, "w") as f: json.dump(hash_dict, f)

def verify_files(hash_file="hashes.json"): """验证所有记录的文件是否被篡改""" with open(hash_file, "r") as f: expected_hashes = json.load(f)

for filepath, expected_hash in expected_hashes.items():
    try:
        current_hash = get_file_hash(filepath)
        if current_hash != expected_hash:
            print(f"警告:文件 {filepath} 已被篡改")
        else:
            print(f"文件 {filepath} 正常")
    except FileNotFoundError:
        print(f"文件 {filepath} 不存在")

监控文件实时变化(可选)

若需持续监控,可结合 watchdog 库监听文件系统事件,自动触发哈希校验。

这种方式适合关键配置文件或日志文件的保护。

基本逻辑:

  • 监听文件修改、删除、重命名等事件
  • 事件触发后立即校验哈希
  • 发现不一致则告警或恢复备份

基本上就这些。定期校验 + 安全存储哈希,就能有效检测大多数篡改行为。注意确保原始哈希不被攻击者覆盖,否则机制失效。

今天关于《Python检测文件篡改方法详解》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

豆包AI写歌技巧与音乐创作功能解析豆包AI写歌技巧与音乐创作功能解析
上一篇
豆包AI写歌技巧与音乐创作功能解析
Golang实现微服务注册中心:Etcd管理服务实例
下一篇
Golang实现微服务注册中心:Etcd管理服务实例
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    283次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    337次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    334次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    302次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    124次使用