Edit: 2013-05-17. 2013-05-27
Después de leer la primera respuesta de Tom Leek y algunos documentos en la web, comienzo a escribir algunas opciones en mi herramienta genpassphrase .pl :
$ ./genpassphrase.pl -h
Usage: genpassphrase.pl [-h] [-d dict file] [-i mIn length] [-a mAx length]
[-e entropy bits] [-r random file] [-w words] [-l lines] [lines]
Version: passphrase.pl v1.3 - (2013-05-12 10:43:14).
-h This help.
-l num number of phrases to generate (default: 1)
-w num number of words by phrase (default: 5)
-e bits Entropy bits for each words (default: 15)
-d filename Dictionary file (default: /usr/share/dict/american-english)
-i length Minimal word length (default: 4)
-a length Maximal word length (default: 11)
-r device Random file or generator (default: /dev/urandom)
La salida predeterminada se ve así:
With 5 words over 32768 ( 15 entropy bits ) = 1/3.777893e+22 -> 75 bits.
With 5 words from 56947 ( 15.797 entropy bits ) = 1/5.988999e+23 -> 78.987 bits.
3.736 206.819 foggier enforced albatrosses loftiest foursquare
La primera línea muestra el recuento de la palabra uniq que se encuentra en el diccionario, se redujo a 2^Entropy . La segunda línea muestra el recuento inicial de palabras uniq y calcula la entropía teórica basada en esto.
Cada línea de salida comienza con dos valores, el primero es la entropía de Shanon , no tengo claro el significado y el uso de esto. El segundo se basa en el número de caracteres en toda la línea, con 1/26 para cada uno de ellos.
Reducción de la entropía informática
La respuesta de David Cary confirma que este cálculo es muy aproximado y difícil de representar, pero ofrece algunas buenas evaluaciones y una forma de pensar:
Creo que reducir todo el valor puede aclarar mi pregunta:
$ ./genpassphrase.pl -i 1 -a 1 -l 4
Warning: Bunch of 26 words too small! Entropy bits dropped down to 4 bits index.
With 5 words over 16 ( 4 entropy bits ) = 1/1.048576e+06 -> 20 bits.
With 5 words from 26 ( 4.700 entropy bits ) = 1/1.188138e+07 -> 23.502 bits.
2.322 23.502 f r h j u
1.922 23.502 t f g e f
1.922 23.502 r k i y r
2.322 23.502 y u x f i
Esto hace que sea más fácil representar cómo la selección humana en esto reduciría la entropía: Para muestra si no me gustan una, dos o hasta 10 letras, la entropía final de 4 bits, basada en 26 letras, aún se mantiene ...
Entonces, por extensión, si sobre una cantidad de 56947 palabras, no excluiré más de 24179 palabras, la entropía final de 15 bits / palabra todavía se mantiene, pero mientras:
$ ./genpassphrase.pl -a 8
With 5 words over 32768 ( 15 entropy bits ) = 1/3.777893e+22 -> 75 bits.
With 5 words from 34954 ( 15.093 entropy bits ) = 1/5.217764e+22 -> 75.466 bits.
3.397 159.815 corded boosts hatters overhear rabbles
Si el humano no elige, para la palabra de muestra más larga que el carácter, el número de palabra que se excluirá se reducirá a 2186. Peor: si el humano se niega a usar la palabra con más de 7 caracteres (con mi archivo de dictado personal), esto reducirá la entropía general:
$ ./genpassphrase.pl -a 7
Warning: Bunch of 24366 words too small! Entropy bits dropped down to 14 bits index.
With 5 words over 16384 ( 14 entropy bits ) = 1/1.180592e+21 -> 70 bits.
With 5 words from 24366 ( 14.573 entropy bits ) = 1/8.588577e+21 -> 72.863 bits.
3.923 141.013 nitpick buglers loaders arms promo
a 70 bits (¿tal vez 72.8 bits ??), en lugar de 75.
Desde allí ...
Me gustaría finalizar esta herramienta con algunos documentos y recomendaciones ligeros.
Publicación original
Después de buscar algo para una herramienta que genera frases de paso aleatorias, he iniciado mi propia ...
Tomar el diccionario ya presente en mi escritorio: /usr/share/dict/american-english
y ver:
wc -l /usr/share/dict/american-english
98569
Después de un vistazo rápido, veo muchos 's terminación y nombres que comienzan con una letra mayúscula.
sed -ne '/^[a-z]\{4,99\}$/p' /usr/share/dict/american-english | wc -l
63469
Oh, hay menos de 65536, ya que no puedo leer solo 15.953 bits, caeré a un índice de 15 bits (usando pseudoaleatorio, ya que esto podría ser suficiente por ahora).
Con 5 palabras, podría calcular una frase de contraseña de 75 bits:
#!/usr/bin/perl -w
use strict;
open my $fh, "</usr/share/dict/american-english" or die;
my @words = map { chomp $_; $_ } grep { /^[a-z]{4,11}$/ } <$fh>;
close $fh;
while (scalar @words > 32768 ) {
my $rndIdx=int( rand(1) * scalar @words );
splice @words, $rndIdx, 1 if $words[$rndIdx]=~/s$/ || int(rand()*3)==2;
}
open $fh, "</dev/random" or die;
$_='';
do { sysread $fh, my $buff, 10; $_.=$buff; } while 10 > length;
$_ = unpack "B80", $_;
s/([01]{15})/print " ".$words[unpack("s",pack("b15",$1))]/eg;
print "\n";
Esto podría producir una salida como:
value nationally blacktopped prettify celebration
A partir de ahí, tengo 3 preguntas:
.1 ¿Cuál es la longitud mínima para una palabra? ¿Es suficiente 4 caracteres? ¿Cómo calcular la entropía para una palabra de 4 letras?
En el alfabeto llano, una letra es 1/26 - > 4.7bits, pero la siguiente letra es generalmente una vocal, por lo que 1/6 - > 2.5bits !?
Si tengo razón, ¿una palabra de 4 letras no puede representar más de 14.57 bits?
.2 Algunos podrían intentar ejecutar esto varias veces para obtener alguna opción:
for i in {1..6};do ./gen_pass_phrase.pl ; done
commons tweaking inhered driveways sedately
pantheon appeaser inmate quantifiers pyrite
loopier cloistering asceticism auctions table
value nationally blacktopped prettify celebration
fainer arthritis deplete vestry fostering
deuterium junipers luckless burro harmonic
y elija en este grupo 5 palabras con sensibilidad humana :
commons value fainer quantifiers celebration
Esto reducirá entropía en eso:
las palabras sexys tendrían más posibilidades de ser elegidas.
Pero no puedo representar esto mediante una argumentación numérica.
.3 Desde que juego, me doy cuenta de que 1/3 de las palabras son plurales:
sed -ne '/^[a-z]\{4,9\}$/p' /usr/share/dict/american-english | wc -l
44476
sed -ne '/^[a-z]\{3,8\}s$/p' /usr/share/dict/american-english | wc -l
13408
Traté de compensarlos al eliminar las palabras que faltan, ya que creo que eliminar cada s palabras terminadas tampoco es una buena idea, así que elimino exedent mientras que s terminó o rand 1/3.
En bien.
El máximo de 75 bits de entropía parece haberse reducido con este método, pero no represento cómo demostrarlos ni cómo calcularlos.