假设您正在谈论加密哈希（与用于加速查找的哈希相反），我认为您提出了相互矛盾的要求。

哈希的目的是从输入值中删除任何信息，本质上看起来像随机映射Cryptographic Hash。因此，使用它来比较 2 个输入是否以某种方式接近（相似）是行不通的。

另一方面，如果您要问是否可以比较两张脸的相似性，您可以考虑映射人脸-> 人脸测量向量，然后您可以在距离的某个向量空间定义中进行比较。但是您不会涉及到“钥匙”。密钥的目的是什么？您想隐藏有关所涉及面孔性质的信息吗？但是，我认为这行不通，因为那样密切的措施就会失败。

免责声明：密码学和散列不是我的主要专业领域。

因此，假设我们有两个图像和分别具有相应的哈希和。这里，和，其中是散列函数。$A$$B$$h_A$$h_B$$h_A=f(A,key)$$h_B=f(B,key)$$f$

我们还希望不存在，这意味着它涉及计算量极大的过程。$f^{-1}(h_A,[key])$

现在，我们想知道，在给定哈希和可以测量和之间的相似性。然而，这直接与计算量大的要求相矛盾，因为它为我提供了一个选项来构建过程，方法是构建一系列越来越相似的图像，这些图像将迭代收敛到原本的。$g(h_A,h_B)$$A$$B$$h_A$$h_B$$f^{-1}$$f^{-1}$

所以，我想说，即使存在这样的函数，这样的过程也会因为只有哈希值而严重损害了图像的不可恢复性。

附录

输入： ,$h_A$$f$

程序：

1. 取初始图像猜测（随机，或基于已知的东西）$B^{(0)}$
2. 使用计算$h_B^{(0)}$$f$
3. 计算 )$g(h_A,h_B^{(0)}$
4. 如果的值小于容差 -> 停止。否则继续。$g$
5. 根据一些程序（遗传算法、黑盒优化等）找到新的图像猜测返回步骤 2。$B^{(1)}$

当然，很难找到基于和的有效过程；但是，它仍然比尝试破解一个好的散列函数要好得多。$B^{(i+1)}$$B^{(i)}$$g(h_A,h_B^{(i)})$