Question

我会定期收到编码的PDF文件。编码的工作原理如下：

PDF可以在Acrobat Reader中正确显示
全选并通过Acrobat Reader
并粘贴在文本编辑器中
将显示内容已编码

所以，例子是：

13579 -> 3579;
hello -> jgnnq

它基本上是ASCII字符的偏移量（可能是交换）。

问题是当我只能访问少量样本时，如何自动找到偏移量。我无法确定编码偏移是否已更改。我所知道的是一些文本通常（如果不总是）显示，例如PDF中的“名称：”，“摘要：”，“总计：”。

谢谢！

编辑：感谢您的反馈。我试着把问题分成更小的问题：

第1部分：How to detect identical part(s) inside string?

Answer 1

你需要蛮力。

如果这些模式很简单，就像你的例子中的+2字符代码一样（+2字符代码）

h i j
e f g
l m n
l m n
o p q

1 2 3
3 4 5
5 6 7
7 8 9
9 : ;

你可以像这样轻松地实现检查知识词

>>> text='jgnnq'
>>> knowns=['hello', '13579']
>>>
>>> for i in range(-5,+5): #check -5 to +5 char code range
...     rot=''.join(chr(ord(j)+i) for j in text)
...     for x in knowns:
...         if x in rot:
...             print rot
...
hello

Answer 2

PDF是否包含符号（如数学或校对）或自然语言文本（英语，法语等）？

如果是后者，你可以使用频率图表来表示字母（有向图，三字母和一个小词典，如果你想要去远方）。我想可能有一些在线。 Here's一个开始。更具体地说是letter frequencies。

然后，如果你确定这是一个凯撒班次，你可以抓住前1000个字符左右，并通过增加金额（我猜）127左右来向前移动它们。获取结果文本并计算频率与上面找到的平均频率的匹配程度。 Here是关于此的信息。

维基百科上的链接字母频率页面仅显示字母，因此您可能希望在计算中排除它们，或者更好地在其中找到包含它们的图表。您可能还希望将整个结果文本转换为小写或大写（您的首选项），以便将字母视为相同而不管大小写。

编辑 - 看到有关字符交换的评论

在这种情况下，它是一个替换密码，它仍然可以自动断开，虽然这次你可能想要一个有用的图表图表来进行额外的分析。这很有用，因为在字母分析方面很可能会有一个比普通语言“更接近”的替换，但是比较有向图的频率会让你排除它。

另外，我建议移动字符，然后看看频率与平均语言频率的匹配程度。实际上，您可以先计算密文中的频率，然后尝试将它们与好的值对齐。我不确定哪个更好。

Answer 3

嗯，这很难。

我唯一可以建议的是使用字典（以及一些替换密码算法）可能有助于解码某些文本。

但我无法看到一个解决方案，可以根据您描述的方案为您解码所有内容。

为什么不粘贴一些示例输入，我们可以在解码它之前。

Answer 4

只有你有可能有很多例子（例子计数停止：可能获得所有组合或只是线性值依赖或场景的想法）。

也是这个问题：How would I reverse engineer a cryptographic algorithm?有一些建议。

Answer 5

编码文件是否在Acrobat Reader以外的PDF阅读器中正确打开？如果是这样，您可以使用PDF库（例如PDF Clown）并使用它以编程方式提取所需的文本。

想要解码算法

5 个答案: