博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Machine Learning for hackers读书笔记(七)优化:密码破译
阅读量:5290 次
发布时间:2019-06-14

本文共 4213 字,大约阅读时间需要 14 分钟。

#凯撒密码:将每一个字母替换为字母表中下一位字母,比如a变成b。

english.letters <- c('a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k',

                     'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v',

                     'w', 'x', 'y', 'z') 

caesar.cipher <- list() 

inverse.caesar.cipher <- list() 

#加密LIST和解密LIST

for (index in 1:length(english.letters))

{

  caesar.cipher[[english.letters[index]]] <- english.letters[index %% 26 + 1]

  inverse.caesar.cipher[[english.letters[index %% 26 + 1]]] <- english.letters[index]

print(caesar.cipher) 

# 单字符串加密

apply.cipher.to.string <- function(string, cipher)

{

  output <- '' 

  for (i in 1:nchar(string))

  {

  output <- paste(output, cipher[[substr(string, i, i)]], sep = '')

  }  

  return(output)

}

 #向量字符串加密

apply.cipher.to.text <- function(text, cipher)

{

  output <- c()  

  for (string in text)

  {

    output <- c(output, apply.cipher.to.string(string, cipher))

  }  

  return(output)

}

apply.cipher.to.text(c('sample', 'text'), caesar.cipher)

#贪心优化:只有当新解密规则得到的解密串的概率变高时,才接受新的解密规则

#思路:

#1.如果解密规则B解密出的解密串的概率大于解密规则A对应的解密串,那么我们用B代替A

#2.如果解密规则B解密出的解密串的概率小于解密规则A对应的解密串,我们仍然有可能用B代替A,不过并不是每次都替换。

#如果解密规则B对应的解密串的概率是p1,解密规则A对应的解密串的概率是p2,以p1/p2的概率从解密规则A替换到解密规则B(表示有一定的概率接受B,这使得不会陷入贪心优化陷阱中)

#随便产生一个加密规则

generate.random.cipher <- function()

{

  cipher <- list()  

  inputs <- english.letters  

  outputs <- english.letters[sample(1:length(english.letters), length(english.letters))]  

  for (index in 1:length(english.letters))

  {

    cipher[[inputs[index]]] <- outputs[index]  }  

  return(cipher)

}

modify.cipher <- function(cipher, input, output)

{

  new.cipher <- cipher  

  new.cipher[[input]] <- output  

  old.output <- cipher[[input]]  

  collateral.input <- names(which(sapply(names(cipher), function (key) {cipher[[key]]}) == output))  

  new.cipher[[collateral.input]] <- old.output  

  return(new.cipher)

}

#对加密算法作一些修改

propose.modified.cipher <- function(cipher)

{

  input <- sample(names(cipher), 1)  

  output <- sample(english.letters, 1)  

  return(modify.cipher(cipher, input, output))

}

#加载词典

load(file.path('G:\\dataguru\\ML_for_Hackers\\ML_for_Hackers-master\\07-Optimization\\data\\lexical_database.Rdata'))

#看一下里面的数据

lexical.database[['a']]

lexical.database[['the']]

lexical.database[['he']]

lexical.database[['she']]

lexical.database[['data']]

#取概率的,词典里有就返回,词典里没有返回一个最小的浮点数

one.gram.probability <- function(one.gram, lexical.database = list())

{

  lexical.probability <- lexical.database[[one.gram]]  

  if (is.null(lexical.probability) || is.na(lexical.probability))

  {

  return(.Machine$double.eps)

  }

  else

  {

  return(lexical.probability)

  }

}

#给定一个字符串向量,计算概率,概率不用连乘,用求和

log.probability.of.text <- function(text, cipher, lexical.database = list())

{

  log.probability <- 0.0  

  for (string in text)

  {

    decrypted.string <- apply.cipher.to.string(string, cipher)

    log.probability <- log.probability +

    log(one.gram.probability(decrypted.string, lexical.database))

  }  

  return(log.probability)

}

#

metropolis.step <- function(text, cipher, lexical.database = list())

{

#对加密规则作一下修改

  proposed.cipher <- propose.modified.cipher(cipher)

 #计算原加密规则及修改过的加密规则的概率

  lp1 <- log.probability.of.text(text, cipher, lexical.database)

  lp2 <- log.probability.of.text(text, proposed.cipher, lexical.database)

 #如果新的比较好,直接换掉 

  if (lp2 > lp1)

  {

    return(proposed.cipher)

  }

  else

  {

#如果旧的比较好,

    a <- exp(lp2 - lp1)

#x是均匀分布的0~1间随机数

    x <- runif(1)    

    if (x < a)

    {

      return(proposed.cipher)

    }

    else

    {

      return(cipher)

    }

  }

}

# 5个字符串的向量

decrypted.text <- c('here', 'is', 'some', 'sample', 'text')

#用凯撒加密规则加一下密

encrypted.text <- apply.cipher.to.text(decrypted.text, caesar.cipher)

set.seed(1)

#生成随机加密规则

cipher <- generate.random.cipher() 

results <- data.frame() 

#50000次迭代

number.of.iterations <- 50000 

for (iteration in 1:number.of.iterations)

{

#算一下加密结果的概率

  log.probability <- log.probability.of.text(encrypted.text,cipher,lexical.database)

#得出解密结果

  current.decrypted.text <- paste(apply.cipher.to.text(encrypted.text, cipher),collapse = ' ')

#得出判断结果,1为正确,0为不正确 

  correct.text <- as.numeric(current.decrypted.text == paste(decrypted.text,

                                                             collapse = ' '))

#形成数据框,包括迭代次数,概率及解密后的结果,以及正确率 

  results <- rbind(results,data.frame(Iteration = iteration, LogProbability = log.probability,CurrentDecryptedText = current.decrypted.text,CorrectText = correct.text))  

  cipher <- metropolis.step(encrypted.text, cipher, lexical.database)

 

转载于:https://www.cnblogs.com/MarsMercury/p/4947603.html

你可能感兴趣的文章
自己写的分页控件
查看>>
ContactsUtil 工具类 - 转载
查看>>
实验4-6:正弦动态圆
查看>>
docker 学习(五) virtualBox虚拟机安装docker
查看>>
Oracle企业管理框架
查看>>
HTML特效代码大全
查看>>
如何通过代码监控JVM的运行状态
查看>>
数据持久化的复习
查看>>
[YII2] COOKIE的操作使用
查看>>
raft学习
查看>>
JavaScript之属性操作及小例子
查看>>
《Paxos Made Simple》翻译
查看>>
URL传递中文:Server.UrlEncode与Server.UrlDecode
查看>>
apache----log_format配置
查看>>
汇编语言基础知识摘要(《汇编语言》王爽)第 2 / 17 章
查看>>
Android基于IIS的APK下载(一)自定义更新控件
查看>>
ubuntu 11.04侧边栏怎么添加图标
查看>>
DotNetBar For Windows Forms 12.5.0.2 官方原版及注册
查看>>
修改Oracle 表空间名称 tablespace name
查看>>
12枚硬币问题
查看>>