基于重合指数(IOC)破解ADFGVX密码换位密钥的脚本问题咨询

现有实现的遗漏问题 #

• 评分函数逻辑错误：当前你直接对逆换位后的ADFGVX 6字符序列计算单字符重合指数(IOC)，不符合ADFGVX的加密结构。逆换位后的输出是替换阶段的密文，需每2个字符为一组对应1个明文字符，直接计算单字符IOC无法匹配自然语言的分布特征，会导致大量错误密钥的评分高于正确密钥。
• 爬山算法易陷入局部最优：现有实现仅采用随机交换两个密钥位置的单一扰动策略，没有设置接受劣解的机制，搜索很容易卡在局部最优解，无法找到全局最优的正确密钥。
• 缺少多轮随机重启机制：单次爬山的搜索范围非常有限，若仅使用少量初始密钥运行算法，会导致正确密钥根本没有进入候选池的机会。
• 候选池规模不足：仅保留前10个最优密钥，当换位密钥长度≥8时，候选池规模至少需要扩大到30~50个，才能覆盖到正确密钥的可能范围。

更优的破解方案 #

• 优化评分函数：将逆换位后的序列两两分组，把每个分组当成独立符号，计算该符号集的重合指数，或者使用ADFGVX序列的2/3元组ngram评分，更贴合自然语言的分布规律，筛选准确性会大幅提升。
• 升级搜索算法：将基础爬山算法替换为模拟退火算法，允许在搜索前期以一定概率接受评分更差的解，大幅提升全局搜索能力，避免陷入局部最优；也可以搭配多轮随机重启，每次用不同的随机初始密钥运行搜索，再汇总所有候选密钥。
• 增加快速校验逻辑：拿到换位后的候选串后，先统计两两分组的符号频率，匹配英文单字母频率分布（最高频符号对应E、T等高频明文字母），快速淘汰不符合频率规律的错误密钥，减少后续替换验证的工作量。

提供的代码可优化点 #

# 1. 新增模拟退火的温度参数，允许接受劣解，避免陷入局部最优
# 2. 替换IOC计算逻辑为两两分组后的符号重合指数，提升评分准确性
# 3. 移除key not in bestkeys的遍历判断，改用哈希集合存储已出现的密钥，提升运行效率
# 4. 新增随机重启逻辑，用不同初始密钥多次运行搜索，扩大候选范围

内容的提问来源于stack exchange，提问作者creeper_the_cat