基于密码研究遗传算法应用研究.docx

基于密码研究遗传算法应用研究 摘 要本文结合遗传算法的特点，对基于密码分析 的遗传算法应用问题进行了分析和研究。 关键词密码分析遗传算法运用 关键词 密码分析 遗传算法 运用 中图分类号：P208文献标识码：A 1遗传算法概述 1概念 遗传算法是一种具有全局搜索功能的优化算法，其思想 起源于生物学中达尔文的“适者生存”自然选择理论，是一 种通过对自然进化过程的模拟，搜索最优解的方法，最初是 由美国Michigan大学J . Holland教授于1975年提出的。 1.2特点 （1）遗传算法是从问题解的串集开始搜索的，而不是 从单个解开始，其覆盖面大，利于在全局范围内寻求最优解, 这也是遗传算法与传统优化算法最大的不同之处；（2）遗传 算法可以同时针对群体中的多个个体进行处理，从而减少了 陷入局部最优解的风险，算法本身以易于实现并行化；（3） 遗传算法不需要对空间的知识或其它辅助信息进行搜索，只 需要使用适应度函数值来评估个体，并在此基础上，进行遗 传操作即可。适应度函数不仅不受连续可微的约束，而且其 定义域可以任意设定，使得遗传算法的应用范围大大扩展; (4)遗传算法并不会采用确定性规则，而是使用概率的变 迁规则，指导搜索的方向；(5)遗传算法具有自组织性、自 学习性和自适应性，利用进化过程获得的信息自行组织搜索 时，适应度大的个体可以及时适应环境变化，改变自身的基 因结构，从而具备较高的生存概率。 1.3流程 遗传算法属于典型的迭代过程，其基本操作流程如下： 将需要解决的问题转化为位串形式编码； 对种群进行随机初始化P (0) = (Pl, P2,…，Pn)； 对种群中所有个体的适应度数值进行计算； 结合计算结果，对个体适应度进行评估； 结合个体适应度值所决定的某个规则应用，选择 相应的算子，产生中间代； 依照Pc选择相应的个体，进行交叉操作； 依照Pm对繁殖个体进行变异操作； 如果没有满足相应的停止条件，则转向(3),如 果满足，则进入(9)； 输出种群中适应度值最优的个体。 2遗传算法在密码分析中的应用 结合替换密码的实例，对遗传算法在密码分析中的应用 进行逐步阐述。 1替换密码 替换密码，属于古典密码的一种，虽然在当前的密码分 析中已经很少使用，但是其具备较强的理论研究价值，具有 一定的代表性。算法的基本思想为： 假定K是Z26中元素的所有排列集合，K={ (kl, k2, k3,…，k26)： kieZ26}o 选择任意密钥kGKo 设明文 M=(ml,m2,m3,…，mi)且 mj WZ26( 1WjWi)。 对明文进行加密，得到相应的密文C= (cl, c2, c3,…，ci)且 cjGZ26 (lWjWi)。 这样，就可以对相应的加密操作Ek (m)以及解密 操作Dk (c)进行定义，分别为 cj= Ek (mj) =kLmj] (lWjWi) mj= Dk (cj) = Ek-1 [cj] (lWjWi) 2. 2产生初始种群，进行染色体编码 在遗传算法中，常用的编码方式包括二进制编码和实数 编码等，在替换密码中，基本上都是将明文信息转化为字符 或符号，为了尽可能减少加密和解密过程中的解码开销，可 以直接使用英文字符作为参数编码，使得系统在初始化阶 段，可以随机生成有26个不同字符组成的英文字符串，这 个字符串就是一条染色体，也就是初始个体Pi,将其分为n 组后，就可以作为初始种群。 2. 3对适应度函数的计算 结合遗传算法自身的特点，适应度函数通常是由待求问 题的目标函数转化而来的，对于不同的编码算法，其适应度 函数也存在着一定的差异。通过对英文资料的统计数据，可 以看出，相对来说，字母E出现的频率极高，V、K、J、X、 Q、Z等字母的出现频率较低。这些统计数据看似杂乱，但是 对于密码的分析工作是十分重要的。这里结合相应的英文字 符统计特性，对适应度函数进行确定： 其中，代表第i个字符在英文中出现的频率，则表示经 过密文C解密运算后得到的明文=（m0‘，ml‘，m2，，…, mn-P ）,对mi 出现的频率进行统计计算的结果。 明文中字符应该能够体现出常用英语中英文字符 的统计特性，如果选取的个体无限接近真实密钥表，则也无 限接近于，最终得到的个体的适应度也越大，表明个体参与 下一代遗传操作的概率越高。 2. 4遗传操作 遗传操作包括了选择、交叉和变异，具有多种实现方法, 需要结合实际问题进行选择。这里我们采用轮盘赌算法，对 算子进行选择。在选定两个父代个体后，可以根据相应的交 叉概率Pc选择父代个体的字符，进行多点交叉操作。结合 替换密码密钥表的特点，要确保交叉操作得出的子代个体参 数中，字符的非重复性，因此，在父代个体选择后，需要进 行重复性检查。在得出子代个体后，对其进行变异操作。根 据既定的变异概