क्रिप्टोग्राफी की दुनिया में, संदेश को एन्क्रिप्ट करने के कई आसान तरीके हैं। उनमें से प्रत्येक अपने तरीके से अच्छा है। उनमें से एक पर चर्चा की जाएगी।

यल्चू शेजेक्टो

या रूसी में "सीज़र के सिफर" से अनुवादित - सीज़र के सिफर ।

- इसका सार क्या है?
- वह एन अक्षरों द्वारा प्रत्येक पत्र को स्थानांतरित करते हुए, संदेश को एनकोड करता है। सीज़र का क्लासिक सिफर अक्षर तीन कदम आगे बढ़ता है। सरल शब्दों में - यह "abv" था, यह "जहां" बन गया।

"लेकिन वर्णमाला के अंत में अक्षरों के बारे में क्या?" रिक्त स्थान के बारे में क्या?
वे बिलकुल ठीक हैं। यदि किसी पत्र को स्थानांतरित किया जाता है, तो सिफर वर्णमाला के दायरे से परे चला जाता है - यह फिर से सभी की गिनती शुरू करता है। यही है, "आईयूया" अक्षर "abv" में बदल जाते हैं। और स्थान रिक्त स्थान रहते हैं।

- क्या N तीन के बराबर होना चाहिए?
बिलकुल नहीं। N तीन से भिन्न हो सकता है। [1: एम -1] के बीच किसी भी एन को अनुमति दी जाती है, जहां एम वर्णमाला में अक्षरों की संख्या है।

यदि आप इसके अस्तित्व के बारे में जानते हैं तो इस तरह का सिफर समझना आसान है। लेकिन यह उनकी "विश्वसनीयता" नहीं थी जिसने मुझे आकर्षित किया, बल्कि कुछ और।

टाई

एक गर्मी के दिन मैं जानना चाहता था:

• लेकिन क्या होगा यदि मैं सीज़र का उपयोग करके किसी शब्द को एन्क्रिप्ट करता हूं, और मुझे आउटपुट में एक मौजूदा शब्द मिलता है?
• ऐसे कितने शब्द "शिफ्टर्स" हैं?
• और अगर N को बदला जाता है तो क्या कोई पैटर्न होगा?

मैंने एक ही मिनट में इन सवालों के जवाब ढूंढना शुरू कर दिया।

टास्क: सभी शब्दों का पता लगाएं

रिट्रीट। मिखाइल ज़ादोर्नोव के संगीत कार्यक्रम और व्यक्तिगत अनुभव से, मुझे दो बातें समझ में आईं:

1. रूसी कॉमेडियन के भाषण से अमेरिकी नाराज नहीं हैं।
2. रूसी भाषा मजबूत और शक्तिशाली है। और इसमें बहुत सारे शब्द हैं।

इसलिए, मैंने अंग्रेजी भाषा को अपने आधार के रूप में लेने का फैसला किया। इसके अलावा, एक समय में एक इन्फेंट था कि अंग्रेजी बोलने वाले लोग अंग्रेजी शब्दों का पूरा शब्दकोश एक साथ रखने में सक्षम थे। मुझे इस तरह के डेटासेट को खोजने के लिए क्या प्रेरित किया।

सुस्त गोइंग की पहली पंक्ति मुझे इस भंडार में ले आई । लेखक ने सुविधाजनक स्वरूपों में 479K अंग्रेजी शब्दों का वादा किया। मुझे json फ़ाइल पसंद आई, जिसमें सभी शब्दों को पायथन डिक्शनरी में लोड करने के लिए सुविधाजनक रूप में रखा गया था।

पहली शव परीक्षा के बाद, यह पता चला कि कम शब्द थे - 370 101 टुकड़े। "लेकिन यह कोई फर्क नहीं पड़ता, क्योंकि एक अच्छे उदाहरण के लिए यह पर्याप्त होगा," मैंने सोचा।

words = json.load(open('words_dictionary.json', 'r')) len(words.keys()) >> 370101 

सबसे पहले आपको एक वर्णमाला बनाने की आवश्यकता है। मैंने इसे अपने लिए सबसे सुविधाजनक तरीके से एक सूची बनाने का फैसला किया। वर्णमाला में अक्षरों की संख्या को याद रखना भी आवश्यक था:

 abc = list('abcdefghijklmnopqrstuvwxyz') abc_len = len(abc) 

सबसे पहले एक शब्द को एन्क्रिप्टेड में अनुवाद करने का कार्य करना दिलचस्प था। यहाँ क्या हुआ:

 #   - def cesar(word, abc, abc_len, step=3): word_list = list(word) result = [] for w in word_list: i = abc.index(w) i = (i+step) % abc_len wn = abc[i] result.append(wn) result = ''.join(result) return result 

मैंने सभी शब्दों का एक बड़ा चक्र बनाने का फैसला किया और एक-एक करके उनका अनुवाद शुरू किया। लेकिन एक समस्या सामने आई। यह पता चला कि कुछ शब्दों में एक "-" चिन्ह था, जो एक ही समय में आश्चर्यजनक और स्वाभाविक था।

दो बार सोचने के बिना, मैंने ऐसे शब्दों की संख्या गिना और यह पता चला कि उनमें से केवल दो थे। जिसके बाद उसने दोनों को डिलीट कर दिया, क्योंकि यह शायद ही परिणाम को प्रभावित करेगा। मेरी मदद करने के लिए, इस समारोह का जन्म हुआ:

 #   «-»     def rem(words): words_list = list(words.keys()) words = {} for word in words_list: if '-' in word: words_list.remove(word) else: words[word] = 1 return words 

शब्दकोश इस तरह दिखता है:

 {'a': 1, 'aa': 1, 'aaa': 1, 'aah': 1, ... } 

इसलिए, मैंने फैसला किया कि मैं स्मार्ट नहीं बनूंगा और इनको शब्दों के साथ बदलूंगा। ऐसा करने के लिए, एक फ़ंक्शन लिखा:

 #   {'word': 1}  {'word': 'cesar-word'} def cesar_all(words, abc, abc_len, step=3): result = words for w in result: result[w] = cesar(w, abc, abc_len, step=step) return result 

और, निश्चित रूप से, हमें एक बड़े चक्र की आवश्यकता थी जो सभी शब्दों के माध्यम से जाएगा, शब्द-शिफ्टर्स खोजें और परिणाम को बचाएं। यहाँ यह है:

 #       def check_all(words_cesar, min_len=0): words_keys = words_cesar.keys() words_result = {} for word in words_keys: if words_cesar[word] in words_keys: if len(word) >= min_len: words_result[word] = words_cesar[word] return words_result 

आपने देखा होगा कि फ़ंक्शन के मापदंडों में "min_len = 0" है। भविष्य में उसकी जरूरत होगी। इस डेटासेट की ख़ासियत के लिए शब्दों का एक "अजीब" सेट था। जैसे: "आ", "आह" और समान संयोजन। यह वे थे जिन्होंने पहला परिणाम दिया - 660 शब्द-शिफ्टर्स।

इसलिए, मुझे कम से कम पांच वर्णों की सीमा रखनी पड़ी ताकि शब्द आंख को भाए और मौजूदा समान।

 words_result = check_all(words_cesar, min_len=5) words_result >> {'abime': 'delph', 'biabo': 'elder', 'bifer': 'elihu', 'cobra': 'freud', 'colob': 'frore', 'oxime': 'ralph', 'pelta': 'showd', 'primero': 'sulphur', 'teloi': 'whorl', 'xerox': 'ahura'} 

हां, एल्गोरिथ्म की बदौलत दस फ्लिप शब्द पाए गए। मेरा पसंदीदा संयोजन:
प्राइमरो [प्रथम] → सल्फर [सल्फर]। अधिकांश अन्य जोड़े Google अनुवादक को नहीं पहचानते हैं।

इस स्तर पर, मैंने आंशिक रूप से ज्ञान की प्यास बुझाई। लेकिन आगे सवाल थे: "अन्य एन के बारे में क्या?"

और इस फ़ंक्शन का उपयोग करते हुए, मुझे उत्तर मिला:

 #    N def loop_all(words, abc, abc_len, min_len=5): result = {} for istep in range(1, abc_len): words_rem = rem(words) words_cesar = cesar_all(words_rem, abc, abc_len, step=istep) words_result = check_all(words_cesar, min_len=min_len) result[istep] = words_result print('DONE: {}'.format(istep)) return result 

10-15 सेकंड में चक्र समाप्त हो गया। यह केवल परिणाम देखने के लिए बनी हुई है। लेकिन, जैसा कि मुझे लगता है कि जब यह शेड्यूल होता है तो यह अधिक दिलचस्प होता है। और यहाँ अंतिम कार्य है, जो हमें परिणाम दिखाएगा:

 #   def img_plot(result): lengths = [] for k in result.keys(): l = len(result[k].keys()) lengths.append(l) lengths = np.reshape(lengths, (5,5)) display(lengths) plt.figure(figsize=(20,10)) plt.imshow(lengths, interpolation='sinc') plt.colorbar() plt.show() >> array([[ 12, 5, 10, 41, 4], [116, 23, 18, 20, 29], [ 18, 15, 56, 15, 18], [ 29, 20, 18, 23, 116], [ 4, 41, 10, 5, 12]]) 

परिणाम

शुरुआत में सवालों के जवाब

"क्या होगा यदि मैं सीज़र का उपयोग करके किसी शब्द को एन्क्रिप्ट करता हूं, और मुझे आउटपुट में एक मौजूदा शब्द मिलता है?"
- यह संभव है, यहां तक ​​कि बहुत। कुछ एन दूसरों की तुलना में बहुत अधिक शब्द देते हैं।

- ऐसे कितने शब्द "शिफ्टर्स" हैं?
- एन, न्यूनतम लंबाई पर और निश्चित रूप से, डेटासेट पर निर्भर करता है। मेरे मामले में, एन = 3 के साथ, 0 और 5 की न्यूनतम शब्द लंबाई क्रमशः शब्दों की संख्या है: 660 और 10।

- और यदि एन बदलते हैं तो क्या कोई पैटर्न होगा?
- जाहिर है, हाँ! ग्राफ (या हीट मैप) से आप देख सकते हैं कि रंग सममित हैं। और परिणाम मैट्रिक्स में मान इस बात का संकेत देते हैं। और सवाल का जवाब "ऐसा क्यों है?" मैं इसे पाठक पर छोड़ दूंगा।

इस काम के विपक्ष

• काफी सही डेटासेट नहीं। कई शब्द स्पष्ट नहीं हैं। हालाँकि ऐसा हो सकता है। ये अंग्रेजी भाषा के " सभी " शब्द हैं।
• कोड सदैव सुधारा जा सकता है।
• "सीज़र का कोड" "एथेनियन कोड" का एक विशेष मामला है, जहां सूत्र:

$$

$$नया पत्र = ए * पिछला पत्र + बी$$

"सीज़र के सिफर" ए = 1 के लिए। वैसे, उसके पास अधिक बारीकियां हैं, जिसका अर्थ अधिक दिलचस्प है।

परिणाम के साथ मेरा काम फ़ाइल और फ्लिप शब्दों की एक सूची इस भंडार में निहित है

Efzp zzhgl!