Python：有没有好的方法检查文本是否被加密？

Question

我最近在玩一个叫做 cryptocat 的在线聊天服务，这个服务挺有意思的，它可以让你用一个密钥来加密你的消息，只有拥有相同密钥的人才能读懂你的消息。我觉得这个服务一个很有趣的地方是，如果用不同的密钥加密的文本，它会显示为 “[encrypted]”，而不是一堆看不懂的乱码。我的问题是，在Python中，有没有好的方法来判断一段文本是否是密文？我这次用的是RC4加密算法，因为这是我能实现的最快的算法（参考了维基百科上的伪代码）。谢谢。

Answer 1

判断的方法之一是看填充。你可以在消息的末尾加上标准的填充。如果解密后的消息最后没有这个标准的填充，那说明用错了钥匙。反过来说，虽然不一定，但通常也是对的。

Answer 2

每种有名的加密方式都会产生看起来完全随机的输出。你可以利用这个特点，快速判断你处理的是加密文本还是某种未知协议的数据。如果数据是加密的，你可以检查你监听到的字节流中字节值的分布情况——如果所有的值分布得很均匀，那么很有可能你在处理的是加密文本。

为了更有把握，你可以进行更复杂的测试，比如分析字节对或字节组三个字节的分布等。

另一方面，你也可以将你感兴趣的特定语言的统计数据（比如字母组合的出现频率）与观察到的数据进行比较。如果你的数据表现得很相似，那么更有可能你看到的是明文（未加密的文本）。

Answer 3

没有绝对的方法可以判断，但实际上你可以做两件事：

1. 检查是否有很多非ASCII字符（如果你期待别人发送的是英文文本的话）。

2. 检查字符出现的分布。在正常文本中，有些字母比其他字母出现得更频繁。但在加密文本中，所有字符出现的概率大致相同。

简单的方法是查看是否有任何字符出现的次数超过了(N/256) + 5 * sqrt(N/256)，其中N是字符的总数。如果超过这个次数，那很可能是自然语言（没有加密的文本）。

在Python中（反转上面的逻辑，当文本是加密时返回“真”）：

def encrypted(text):
    scores = defaultdict(lambda: 0)
    for letter in text: scores[letter] += 1
    largest = max(scores.values())
    average = len(text) / 256.0
    return largest < average + 5 * sqrt(average)

这个数学公式来源于平均数的高斯分布，方差等于平均数——虽然不是完美的，但应该足够接近。默认情况下（在文本量小的时候，这个方法不太可靠），这个方法会返回假（抱歉；之前我有一个错误的版本用“max()”，逻辑对于小数字是反的）。