Okay leider bist du auf die meisten Fragen gar nicht eingegangen. Und diejenigen die du versucht hast zu beantworten zeigen im Prinzip das du die Dinge von denen du hier redest nicht mal ansatzweise verstehst. Nur ein paar Beispiele:
Nicht wenn der Algorithmus eben genau darauf ausgelegt ist dies nicht zu tun. Das ist ja der Sinn und Zweck der Hash Function.
Genau das wird ja bei SHA-256 durch die Pseudorandomness und den Avalanche Effekt verhindert.
Bitte lies und studiere genau das entsprechende Paper:
Nein auch Geheimdienste können das nicht. Geheimdienste bauen Hintertürchen in Software ein um Sicherheitsmassnahmen zu umgehen (z.B. haben Zugang zu den Keys welche die Software verwendet) aber sie können starke Kryptographie bzw. Algorithmen die heute als sicher gelten nicht brechen. Auch diese Behauptung ist falsch.
Auch das stimmt nicht. Quantencomputer machen die Zeit für einen Exhaustive Search lediglich quadratisch schneller, d.h. O(2^256) wird zu O(2^(256/2)) = O(2^128) somit ist die Komplexität hier weiterhin exponentiell und die Lösung dieses Problems würde weiterhin mehr Zeit in Anspruch nehmen als das Universum existiert. Siehe z.B. auch Grovers Algorithmus.
Auch das stimmt nicht. Es gibt nach wie vor viele Algorithmen die als sehr sicher gelten. Siehe oben.
Völlig wirre und unlogische Aussage. Es geht dabei um Bit-Operationen und hat nichts mit Vorzeichen zu tun. Das macht ihn ja so praktisch für ASICS da Memory schonend, ganz im Gegensatz z.B. zu EtHash.
Völliger Blödsinn. Du hast das Konzept von Overfitting nicht verstanden. Overfitting führt dazu das dein Model deine Trainingsdaten so genau memorisiert, dass es zwar sämtliche Test Cases aus den Trainingsdaten praktisch fehlerfrei beantworten kann und damit kommst du dann eben auf deine 92% oder was auch immer. Aber das Model ist damit eben „overfitted“ und für eine Generalisierung nicht mehr brauchbar. D.h. sämtliche Predictions wo der Input nicht in den Testdaten war werden fehlerhaft sein. Damit bekommst du hohe Accuracy Werte, das Model ist aber in der Praxis unbrauchbar, denn in der Praxis möchtest du ja Echtdaten predicten.
Kurz: Overfitting macht dein Model unbrauchbar.
Das ist ein One-Way Hash. Bitte Konzept von Hash Functions lesen und verstehen. Der einzige Weg auf gewisse Nullen zu kommen und damit ein Teil-Collision zu erzeugen ist ein Exhaustive Search / Brute Force. Was du hier beschreibst geht nicht.
Diese Antworten weisen im Prinzip so schwindelerregende Verständnislücken auf die im Prinzip Beweis sind dafür das du nie auch nur annähernd irgendetwas in der Art wo du hier vorgibst gemacht zu haben, tatsächlich gemacht hast. Es ist mir unklar weshalb du deine Zeit mit sowas verschwendest aber unter diesen Umständen macht für mich eine weitere Diskussion zu diesem Thema überhaupt keinen Sinn.