Сложно ли найти коллизии хэшей SHA-1, когда файлы большие?

Было ли это просто совпадением, или 2 «разбитых» pdf-файла, чьи хэши SHA-1 идентичны, должны были быть небольшого размера (412 КБ), чтобы упростить атаку столкновений?

Определенно легче найти короткие столкновения. Но 412 КиБ не мало, это очень много в этом контексте.

Два файла различаются только байтами от 0xC0 до 0x13F (от 192 до 319), поэтому точнее будет сказать, что они обнаружили 320-байтовую или 128-байтовую коллизию, в зависимости от того, как вы на это смотрите.

Два 320-байтовых файла не только имеют один и тот же дайджест SHA-1, но и оставляют алгоритм SHA-1 в одном и том же внутреннем состоянии. В результате вы можете добавить суффикс любой длины к этим двум префиксам, и два результирующих файла также будут иметь одинаковые дайджесты SHA-1.

Возможно, если вы будете осторожны, придумать суффикс, который приведет к двум действительным файлам PDF, которые отображают два разных изображения JPEG, что они и сделали. Это полностью отделено от процесса поиска конфликтующих префиксов. Если вы не знали, как взломать SHA-1, и получили эти два префикса от крота из АНБ, вы все равно могли бы создавать из них заметно отличающиеся PDF-файлы, просто используя информацию из общедоступных стандартов PDF и JPEG.