[论文解读] Cryptolysis v.0.0.1 - A Framework for Automated Cryptanalysis of Classical Ciphers

Serguei A. Mokhov, Marc-André Laverdière+2 more|arXiv (Cornell University)|Jan 5, 2011

graph theory and CDMA systems参考文献 1被引用 4

一句话总结

Cryptolysis v0.0.1 是一个基于 Java 的框架，用于自动化分析经典密码，采用统计方法如 n-gram 语言模型和基于字典的解析来检测词边界，并破译替代密码、移位密码和 SPN 密码。它通过遗传算法和模拟退火等启发式搜索技术实现高效的密码分析，仅需最少的用户输入即可成功解密经典密码。

ABSTRACT

Cryptolysis is a framework that includes a collection of automated attacks on the classical ciphers based on the article by Clark Dawson on Optimisation heuristics for the automated cryptanalysis of classical ciphers from the Journal of Combinatorial Mathematics and Combinatorial Computing, 1998.

研究动机与目标

• 自动化分析经典密码，如替代密码、移位密码和 SPN 密码。
• 通过使用统计和基于字典的方法自动检测词边界，提高解密文本的可读性。
• 使用面向对象设计和模块化架构实现高效、可重用的密码分析模块。
• 支持多种密码分析策略，包括遗传算法、模拟退火和禁忌搜索。
• 支持从语料库中训练语言模型和统计解析器，以用于密码分析。

提出的方法

• 该框架采用模块化架构，包含用于密码、分析器和解析器的独立组件，每个组件均实现标准化接口。
• 通过两种方法执行词边界检测：基于字典的最长匹配词查找和基于概率的 3-gram 字符模型。
• 3-gram 模型根据前导和后续字符的三元组频率（包括词边界）计算词边界概率。
• 密码分析攻击采用启发式优化方法实现：遗传算法、模拟退火和禁忌搜索，所有方法均基于语言统计的适应度函数进行引导。
• 训练过程包括从输入语料库构建语言统计、字典解析器和 n-gram 模型，这些模型被序列化以便后续重用。
• 系统使用 MARF（多语言自动识别框架）处理自然语言处理组件，利用 Java 的可移植性和内存管理能力实现跨平台部署。

实验结果

研究问题

• RQ1 能否有效应用自动化词边界检测技术于解密的经典密码文本中，以提高人工可读性？
• RQ2 在未解密的密文流中，统计 n-gram 模型与基于字典的解析在词边界检测方面的有效性如何比较？
• RQ3 遗传算法和模拟退火等启发式搜索方法在破译替代密码和移位密码等经典密码方面，其成功程度如何？
• RQ4 能否设计一个模块化、可扩展的框架，以在单一统一系统中支持多种经典密码和密码分析技术？
• RQ5 在密码分析中，基于字典和基于 n-gram 的词边界检测在性能和准确率之间的权衡如何？

主要发现

• 该框架成功实现并集成了多种密码分析技术，包括统计方法、遗传算法和模拟退火攻击，适用于经典密码。
• 3-gram 字符 n-gram 模型在实现高效且紧凑的词边界检测方面表现优异，存储开销低于基于字典的方法。
• 基于字典的解析在处理复合词和专有名词时表现不佳，常在模糊情况下错误放置空格，例如 'therefore' 与 'there for eternity' 的混淆。
• 系统通过基于语言统计的适应度函数引导的启发式搜索，有效实现了经典密码的解密，显著提升了收敛速度。
• 语言模型和解析器的训练过程已成功实现自动化，序列化输出支持跨会话重用。
• 模块化设计通过标准化接口实现了新密码类型和分析方法的无缝集成。