内容简介:在 2 世纪, 发送机密消息的一个有效方法就是对每个字母进行位移, 使得L fdph, L vdz, L frqtxhuhg. —— 尤利乌斯·凯撒(Julius Caesar)正如代码清单 9-6 所示, 使用计算机以数值方式处理字符是非常容易的。
在 2 世纪, 发送机密消息的一个有效方法就是对每个字母进行位移, 使得 'a' 变为 'd' , 'b' 变为 'e' , 依次类推。 这样处理产生的结果看上去就像是一门外语:
L fdph, L vdz, L frqtxhuhg. —— 尤利乌斯·凯撒(Julius Caesar)
正如代码清单 9-6 所示, 使用计算机以数值方式处理字符是非常容易的。
代码清单 9-6 处理单个字符: caesar.go
c := 'a'
c=c+3
fmt.Printf("%c", c) // 打印出“d”
然而, 代码清单 9-6 展示的方法并不完美, 因为它没有考虑该如何处理字符 'x' 、 'y' 和 'z' , 所以它无法对 xylophones 、 yaks 和 zebras 这样的单词实施加密。 为了解决这个问题, 最初的凯撒加密法采取了回绕措施, 也就是将 'x' 变为 'a' 、 'y' 变为 'b' , 而 'z' 则变为 'c' 。 对于包含 26 个字符的英文字母表, 我们可以通过这段代码实现上述变换:
if c > 'z' {
c = c - 26
}
凯撒密码的解密方法跟加密方法正好相反, 程序不再是为字符加上 3 而是减去 3 , 并且它还需要在字符过小也就是 c < 'a' 的时候, 将字符加上 26 以实施回绕。 虽然上述的加密方法和解密方法都非常直观, 但由于它们都需要处理字符边界以实现回绕, 因此实际的编码过程将变得相当痛苦。
回转13(rotate 13,简称ROT13)是凯撒密码在 20 世纪的一个变体, 该变体跟凯撒密码的唯一区别就在于, 它给字符添加的量是 13 而不是 3 , 并且 ROT13 的加密和解密可以通过同一个方法实现, 这是非常方便的。
现在, 假设搜寻外星智能(Search for Extra-terrestrial Intelligence, SETI)的相关机构在外太空扫描外星人通信信息的时候, 发现了包含以下消息的广播:
message := "uv vagreangvbany fcnpr fgngvba"
我们有预感, 这条消息很可能是使用 ROT13 加密的英文文本, 但是在解密这条消息之前, 我们还需要知悉其包含的字符数量, 这条消息包含 30 个字符, 可以通过内置的 len 函数来确定:
fmt.Println(len(message)) // 打印出“30”
注意 Go 拥有少量无须导入语句即可使用的内置函数, len 函数即是其中之一, 它可以测定各种不同类型的值的长度。 例如, 在上面的代码中, len 返回的就是 string 类型的字节长度。 代码清单 9-7 展示的就是外太空消息的解密程序, 你只需要在 Go Playground 运行这段代码, 就会知道外星人在说什么了。
代码清单 9-7 ROT13 消息解密: rot13.go
message := "uv vagreangvbany fcnpr fgngvba"
for i := 0; i < len(message); i++ { // 迭代字符串中的每一个 ASCII 字符
c := message[i]
if c >= 'a' && c <= 'z' { // 只解密英文字母,至于空格和标点符号则保持不变
c = c + 13
if c > 'z' {
c = c - 26
}
}
fmt.Printf("%c", c)
}
注意, 这段代码中的 ROT13 实现只能处理 ASCII 字符(字节), 它无法处理用西班牙语或者俄语撰写的消息, 不过接下来的一节将会给出这个问题的解决方案。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 区块链语言Solidity校验椭圆曲线加密数字签名(附实例)
- 加密原理详解:对称式加密 VS 非对称式加密
- 编码、摘要和加密(三)——数据加密
- 聊聊对称加密与非对称加密
- 手机游戏加密之2d资源加密
- RSA加密原理:非对称加密鼻祖
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
模式识别
(希)Sergios Theodoridis、(希)Konstantinos Koutroumbas / 电子工业出版社 / 2010-2 / 75.00元
本书全面阐述了模式识别的基础理论、最新方法以及各种应用。模式识别是信息科学和人工智能的重要组成部分,主要应用领域有图像分析、光学字符识别、信道均衡、语言识别和音频分类等。本书在完美地结合当前的理论与实践的基础上,讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、上下文相关分类、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与算法。与前一版相比,增加了大数据集和高维数据相关的最新算法,这......一起来看看 《模式识别》 这本书的介绍吧!