简介
Bloom filter是一个数据结构，它可以用来判断某个元素是否在集合内，具有运行快速、内存占用小的特点。
而高效插入和查询的代价就是Bloom filter是一个基于概率的数据结构，它只能告诉我们一个元素绝对不在集合内或可能在集合内，而不能告诉我们一定在集合内。
构成
Bloom过滤器的实现是由⼀个可变⻓度（N）的二进制数组（N位⼆进制数构成⼀个位域）和数量可变（M）的一组哈希函数组成。这些哈希函数的输出值始终在1和N之间， 该数值与二进制数组相对应。 并且该函数为确定性函数， 也就是说任何一个使相同Bloom过滤器的节点通过该函数都能对特定输入得到同一个的结果。 Bloom过滤器的准确性和私密性能通过改变长度（N）和哈希函数的数量（M）来调节。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hiR83Ahi-1581394933433)(/images/Bloomfilter.png)]
注意
当Bloom过滤器中关键词增加时，它对应的某个哈希函数的输出值可能已经是1了，这种情况下，该位不会再次改变，所以会因为关键词的增加而导致准确性降低。
应用
我最近在做bitcoin中签名r的提取并作出比较，数据量非常大，所以我觉得使用Bloom filter会节省很大的时间，以后我要尝试一下。
今天学习到的一些东西：
- verify transaction具体的过程，近期更新
- Brainwallets存在安全隐患，它的私钥是根据一串用户指定的字符哈希而来，PPT中说到它使用的是math.Random()，它的范围是0-1中的小数，而比特币钱包中私钥的生成是选取的不可预测或者不可重复的1-2^256中的随机数，之后我也会更新一下有关bitcoin中私钥公钥地址之间是怎样生成的。
- 发现了个新的东西：若k1-k2=c，且c已知，也可以造成泄漏，但是我还没看懂！看懂了再更新！
我的主页：Stride Max Zz欢迎大家访问！
