Дома была генеральная уборка, наткнулся на задания универской олимпиады (ННГУ за 8 апреля 2006 года)

Задача следующая: (дознаватель)
Дознавателю предоставили на изыскание идентичности два файла неизвестного содержания, объемом до одного гигабайта. 
Дознаватель должен обнаружить (с точностью до одного байта) общую часть максимального размера и сообщить ее местоположение в каждом файле.
В случае существования двух и более ответов выдать любой из них.

Запуск программы дознавания осуществляется посредством командной строки, в которой указываются имена двух исходных файлов.

Результат: вывод общей части в байтах (или сообщение об ее отсутствии), вывод смещения к общей части в первом и втором файле.

Задачу эту тогда и не решил, также не решил ее никто с нашего факультета, по прошествии года с лишним до сих пор не знаю даже с какой стороны к ней подступиться.

Перебор явно не прокатит, т.к. файлы до 1 Гб, была идея использовать хэши, но не понятно как хэшировать, если содержимое файла не известно, может это вообще бинарные файлы, какого размера блоки для хэша выбирать...

Нашел для текстовых файлов интересную статью решение аналогичной задачи через хэширование строк. 
Но опять же это для текстовых файлов, для бинарных файлов пришла в голову аналогичная идея - найти самый часто встречающийся ASCII символ и считать его разделителем, хэши брать соответственно также для символов между разделителями.

А в чём разница между "текстовым" и "бинарным" файлами? В первом случае алфавит состоит из 52 символов, во втором - из 256. Хэши как работали, так и будут работать.

Включая разделители, между прочим.

Разница в том, что в бинарном файле само понятие "строки" отсутствует и методы, работающие с текстовыми файлами с бинарными уже не прокатывает. Например, вместо построчного считывания прейдется мудрить с блочным, т.к. в данной задаче размер блока не фиксирован и заранее не известен, а побайтное считывание будет занимать много времени.