💻 computer science

Stringology Based Cryptology

यह शोधपत्र स्ट्रिंगोलॉजी-आधारित क्रिप्टोलॉजी (SBC) प्रस्तुत करता है, जो एक नवीन ढांचा है जो क्रिप्टोग्राफिक आउटपुट के संरचनात्मक गुणों का विश्लेषण करने के लिए शास्त्रीय स्ट्रिंग प्रोसेसिंग और पैटर्न मिलान एल्गोरिदम को लागू करता है, जो पारंपरिक सांख्यिकीय और बीजगणितीय मूल्यांकन विधियों के पूरक अंतर्दृष्टि प्रदान करता है।

मूल लेखक: Victor Kebande

प्रकाशित 2026-04-21

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Victor Kebande

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "स्ट्रिंगोलॉजी-आधारित क्रिप्टोलॉजी" (Stringology-Based Cryptology) पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) का उपयोग करके दिया गया स्पष्टीकरण है।

मुख्य विचार: बर्फ के तूफान में उंगलियों के निशान ढूँढना

कल्पना कीजिए कि आप एक पूरी तरह से रैंडम (यादृच्छिक) बर्फ के तूफान और नकली बर्फ बनाने वाली एक मशीन के बीच अंतर बताने की कोशिश कर रहे हैं।

असली रैंडमनेस (बर्फ का तूफान): यदि आप एक असली बर्फ के तूफान को देखते हैं, तो बर्फ के कण अराजक और अप्रत्याशित तरीके से गिरते हैं। वहाँ कोई दोहराते हुए आकार, कोई पैटर्न या कोई छिपा हुआ क्रम नहीं होता। आप जहाँ भी देखें, यह हर जगह एक जैसा दिखता है।
नकली रैंडमनेस (मशीन): एक कंप्यूटर जो बर्फ के तूफान की तरह व्यवहार करने की कोशिश कर रहा है (एक क्रिप्टोग्राफिक साइफर), वह वास्तव में नियमों के एक सख्त सेट का पालन कर रहा है। यह वास्तव में रैंडम नहीं है; यह बस बहुत जटिल है। क्योंकि यह नियमों का पालन करता है, इसलिए यह अनजाने में बर्फ के साथ छोटे, अदृश्य "उंगलियों के निशान" (fingerprints) या दोहराते हुए पैटर्न छोड़ सकता है।

समस्या:
परंपरागत रूप से, सुरक्षा विशेषज्ञ यह जाँचने के लिए कि "बर्फ" रैंडम है या नहीं, एक बड़ी बाल्टी लेते हैं और गिनते हैं कि कितने फ्लेक्स सफेद बनाम काले हैं, या कितने गुच्छे हैं। इसे सांख्यिकीय परीक्षण (Statistical Testing) कहा जाता है। यह बर्फ के कुल रंग की जाँच करने जैसा है। यदि बाल्टी में 50% सफेद और 50% काला दिखता है, तो मशीन परीक्षण पास कर लेती है।

नया विचार (स्ट्रिंगोलॉजी-आधारित क्रिप्टोलॉजी):
यह पेपर बर्फ को देखने का एक नया तरीका पेश करता है जिसे स्ट्रिंगोलॉजी-आधारित क्रिप्टोलॉजी (SBC) कहा जाता है। केवल कुल फ्लेक्स गिनने के बजाय, यह तरीका फ्लेक्स के आकार और व्यवस्था को देखता है।

यह डेटा को अक्षरों (0 और 1) से बने एक लंबे वाक्य की तरह मानता है। यह पूछता है: "क्या 'HELLO' शब्द बहुत अधिक बार दिखाई दे रहा है? क्या कोई अजीब पैटर्न है जहाँ हर 10वाँ अक्षर एक जैसा है?"

मुख्य अवधारणाओं का स्पष्टीकरण

1. "स्ट्रिंगोलॉजी" क्या है?

स्ट्रिंगोलॉजी को टेक्स्ट के लिए एक सुपर-फास्ट जासूस होने की कला के रूप में समझें।

उपमा: कल्पना कीजिए कि आपके पास दस लाख किताबों वाला एक पुस्तकालय है। आपको यह खोजना है कि "The quick brown fox" वाक्यांश कितनी बार आया है।
उपकरण: एक सामान्य व्यक्ति शब्द दर शब्द पढ़ता है (धीमा)। एक स्ट्रिंगोलॉजी विशेषज्ञ एक विशेष स्कैनर (जैसे कि पेपर में उल्लेखित KMP या Boyer-Moore एल्गोरिदम) का उपयोग करता है जो उस वाक्यांश को तुरंत पहचान सकता है, भले ही वह बकवास (gibberish) के बीच में छिपा हो।
अनुप्रयोग: यह पेपर सुझाव देता है कि इन "टेक्स्ट स्कैनर्स" का उपयोग गुप्त कोड (साइफरटेक्स्ट) पर यह देखने के लिए किया जाए कि क्या उनमें छिपे हुए वाक्यांश या दोहराते हुए ढांचे हैं जो एक वास्तव में रैंडम जनरेटर में नहीं होंगे।

2. "थ्रेट मॉडल" (लुका-छिपी का खेल)

यह पेपर एक हैकर (Adversary) और एक रक्षक (Guardian - द साइफर) के बीच एक खेल स्थापित करता है।

सेटअप: रक्षक हैकर को कंचों (marbles) के दो जार देता है।
- जार A: एक पूरी तरह से रैंडम मशीन से निकले कंचे।
- जार B: एक गुप्त कोड मशीन से निकले कंचे।
लक्ष्य: हैकर को अनुमान लगाना है कि कौन सा जार कौन सा है।
पुराना तरीका: हैकर जार को हिलाता है और रंगों को गिनता है। यदि रंग मिले-जुले दिखते हैं, तो वे "रैंडम" का अनुमान लगाते हैं।
नया तरीका (SBC): हैकर कंचों के क्रम को देखता है। शायद गुप्त मशीन हमेशा एक लाल कंचा, फिर एक नीला, फिर एक लाल और फिर एक हरा कंचा रखती है। भले ही रंग मिले-जुले हों, वह अनुक्रम (sequence) एक सुराग है। SBC विधि उस अनुक्रम को पहचानने वाला उपकरण है।

3. प्रयोग: क्या यह काम कर गया?

शोधकर्ताओं ने डेटा के दो समूहों के साथ एक परीक्षण किया:

असली रैंडम डेटा: एक परफेक्ट रैंडम नंबर जनरेटर द्वारा उत्पन्न।
साइफर डेटा: एक मानक एन्क्रिप्शन एल्गोरिदम द्वारा उत्पन्न।

उन्होंने अलग-अलग लंबाई के दोहराते हुए पैटर्न (8 बिट्स, 16 बिट्स, 32 बिट्स) को खोजने के लिए अपने "टेक्स्ट स्कैनर्स" का उपयोग किया।

परिणाम:

निष्कर्ष: साइफर डेटा में वास्तविक रैंडम डेटा की तुलना में थोड़े अधिक दोहराते हुए पैटर्न थे।
रूपक (Metaphor): कल्पना कीजिए कि आप दो गाने सुन रहे हैं। एक एक अराजक शोर (noise) ट्रैक है (रैंडम)। दूसरा एक कंप्यूटर एल्गोरिदम द्वारा बनाया गया गाना है। नंगी आँखों/कानों से, दोनों शोर की तरह लगते हैं। लेकिन यदि आप शीट म्यूजिक को देखते हैं, तो कंप्यूटर वाला गाना एक छोटा, दोहराता हुआ रिदम (लय) रखता है जो शोर वाले ट्रैक में नहीं है।
स्कोर: शोधकर्ताओं ने एक "डेविएशन स्कोर" (विचलन स्कोर) की गणना की। साइफर डेटा का स्कोर अधिक था, जिसका अर्थ था कि इसमें रैंडम डेटा की तुलना में अधिक "संरचना" (structure) थी।

यह क्यों मायने रखता है? (इसका महत्व क्या है?)

क्या कोड टूट गया है?
नहीं। पेपर बहुत स्पष्ट है: इन सूक्ष्म पैटर्न को खोजने का मतलब यह नहीं है कि एन्क्रिप्शन कमजोर है या हैकर्स कोड को तोड़ सकते हैं। आधुनिक एन्क्रिप्शन अभी भी अविश्वसनीय रूप से मजबूत है।

फिर यह क्यों किया जा रहा है?
इसे एक कार सुरक्षा परीक्षण की तरह समझें।

पुराना परीक्षण: कार को दीवार से टकराकर देखना कि वह टूटती है या नहीं (सांख्यिकीय परीक्षण)।
नया परीक्षण: टूटने से पहले धातु कैसे मुड़ती है, यह देखने के लिए हाई-स्पीड कैमरे का उपयोग करना (स्ट्रिंगोलॉजी)।

यह नया तरीका सुरक्षा विशेषज्ञों को एक दूसरी जोड़ी आँखें प्रदान करता है।

पूरक दृष्टिकोण (Complementary View): यह केवल बड़े पैमाने पर (ग्लोबल स्टैटिस्टिक्स) के बजाय स्थानीय संरचना (छोटे पैटर्न) को देखता है।
बेहतर उपकरण: यह शोधकर्ताओं को यह समझने में मदद करता है कि कंप्यूटर कोड बनाते समय कैसे सोच रहा है।
भविष्य के लिए तैयारी: जैसे-जैसे कंप्यूटर तेज़ होते जाएंगे, शायद ये सूक्ष्म पैटर्न बड़े सुराग बन जाएंगे। अब इनका अध्ययन करके, हम भविष्य के लिए अधिक मजबूत कोड बना सकते हैं।

एक वाक्य में सारांश

यह पेपर सुझाव देता है कि केवल इस आधार पर जाँच करने के बजाय कि एन्क्रिप्टेड डेटा बड़े पैमाने पर "रैंडम" दिखता है या नहीं, हमें डेटा में छिपे हुए सूक्ष्म पैटर्न को खोजने के लिए उन्नत टेक्स्ट-सर्चिंग तकनीकों का उपयोग करना चाहिए, जिससे हमें यह गहरी समझ मिल सके कि हमारे डिजिटल लॉक वास्तव में कितने सुरक्षित हैं।

यहाँ विक्टर केबंडे के शोध पत्र "स्ट्रिंगोलॉजी बेस्ड क्रिप्टोलॉजी" (Stringology Based Cryptology) का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

आधुनिक क्रिप्टोग्राफिक प्रिमिटिव्स (स्ट्रीम साइफर्स, हैश फंक्शन्स, PRNGs) अनुक्रमिक डेटा (कीस्ट्रीम्स/ciphertext blocks) उत्पन्न करते हैं जिन्हें सुरक्षा सुनिश्चित करने के लिए समान रूप से यादृच्छिक (uniformly random) डेटा के समान अविभेद्य होना चाहिए।

वर्तमान सीमाएँ: पारंपरिक मूल्यांकन मुख्य रूप से सांख्यिकीय यादृच्छिकता परीक्षणों (जैसे NIST STS, TestU01, PractRand) पर निर्भर करता है। हालांकि ये फ्रीक्वेंसी डिस्ट्रीब्यूशन, एंट्रॉपी और रन्स जैसे वैश्विक गुणों को मापने में प्रभावी हैं, लेकिन ये अक्सर क्रिप्टोग्राफिक एल्गोरिदम के नियतात्मक आंतरिक संचालन (deterministic internal operations) से उत्पन्न स्थानीय संरचनात्मक संबंधों (localized structural relationships) या सूक्ष्म पैटर्न को पकड़ने में विफल रहते हैं।
अंतराल (The Gap): एक ऐसे विश्लेणात्मक ढांचे की आवश्यकता है जो क्रिप्टोग्राफिक अनुक्रमों के भीतर उन संरचनात्मक सहसंबंधों और पैटर्न पुनरावृत्तियों का पता लगा सके जिन्हें मानक सांख्यिकीय परीक्षण अनदेखा कर सकते हैं।

2. कार्यप्रणाली: स्ट्रिंगोलॉजी-आधारित क्रिप्टोलॉजी (SBC)

यह शोध पत्र स्ट्रिंगोलॉजी-आधारित क्रिप्टोलॉजी (SBC) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो क्रिप्टोग्राफिक आउटपुट को प्रतीकात्मक स्ट्रिंग्स (symbolic strings) के रूप में मानता है और उनके संरचनात्मक गुणों का विश्लेषण करने के लिए शास्त्रीय स्ट्रिंग प्रोसेसिंग एल्गोरिदम लागू करता है।

मुख्य अवधारणा: आउटपुट को केवल बिट्स के एक स्ट्रीम के रूप में देखने के बजाय, SBC इसे एक स्ट्रिंग $S$ के रूप में मॉडल करता है और आवर्ती सबस्ट्रिंग्स (recurring substrings) और संरचनात्मक विसंगतियों का पता लगाने के लिए पैटर्न मिलान एल्गोरिदम (जैसे Knuth–Morris–KMP, Boyer–Moore) लागू करता है।
थ्रेट मॉडल (Threat Model):
- एक हमलावर (adversary) एक क्रम के बीच अंतर करने का प्रयास करता है जो एक क्रिप्टोग्राफिक जनरेटर $G(K, N)$ द्वारा उत्पन्न किया गया है और एक वास्तव में यादृच्छिक अनुक्रम (truly random sequence) जो यूनिफॉर्म डिस्ट्रीब्यूशन से लिया गया है।
- हमलावर संरचनात्मक विशेषताओं ( $\phi(S)$ ) और पैटर्न सांख्यिकी ( $f(P, S)$ ) को निकालने के लिए SBC पाइपलाइन का उपयोग करके वर्गीकरण निर्णय लेता है।
SBC फ्रेमवर्क पाइपलाइन:
1. इनपुट: बाइनरी अनुक्रम (कीस्ट्रीम/सिफरटेक्स्ट) $S \in \{0, 1\}^n$ ।
2. फीचर एक्सट्रैक्शन: एक मैपिंग $\Phi$ अनुक्रम को संरचनात्मक सांख्यिकी के वेक्टर में बदल देती है।
3. पैटर्न विश्लेषण:
  - सबस्ट्रिंग फ्रीक्वेंसी: स्लाइडिंग विंडो का उपयोग करके पैटर्न $P$ की आवृत्ति की गणना करता है।
  - रिकरेंस मेट्रिक्स (Recurrence Metrics): यह मापता है कि विशिष्ट पैटर्न कितनी बार दोहराए जाते हैं।
  - नॉर्मलाइजेशन: कच्चे काउंट्स (raw counts) को तुलना के लिए फ्रीक्वेंसी डिस्ट्रीब्यूशन में परिवर्तित करता है।
4. गणना किए गए मेट्रिक्स:
  - डेविएशन स्कोर ( $D$ ): साइफर-जनरेटेड और रैंडम पैटर्न फ्रीक्वेंसी के बीच पूर्ण अंतर का योग: $D = \sum |f_c(P) - f_r(P)|$ ।
  - पैटर्न एंट्रॉपी ( $H$ ): पैटर्न वितरण की अनिश्चितता को मापता है: $H = -\sum p(P) \log_2 p(P)$ ।

3. मुख्य योगदान (Key Contributions)

नया ढांचा: स्ट्रिंग प्रोसेसिंग (स्ट्रिंगोलॉजी) और क्रिप्टेनालिसिस के क्षेत्रों को जोड़ते हुए SBC की अवधारणा पेश करता है।
पूरक विश्लेषण: यह प्रदर्शित करता है कि स्ट्रिंग-आधारित विश्लेषण स्थानीय संरचनात्मक विशेषताओं के बारे में अंतर्दृष्टि प्रदान करता है जो वैश्विक सांख्यिकीय परीक्षणों के पूरक हैं।
प्रायोगिक सत्यापन: विशिष्ट पैटर्न लंबाई ( $m = 8, 16, 32$ बिट्स) का उपयोग करके साइफर-जनरेटेड अनुक्रमों की तुलना यूनिफॉर्म रैंडम अनुक्रमों के साथ करने के लिए एक नियंत्रित प्रायोगिक सेटअप प्रदान करता है।
मेट्रिक परिभाषा: संरचनात्मक अंतरों को मापने के लिए विशिष्ट मेट्रिक्स (डेविएशन स्कोर और पैटर्न एंट्रॉपी) को परिभाषित करता है।

4. प्रायोगिक परिणाम (Experimental Results)

लेखक ने $2^{12}$ बिट्स की लंबाई वाले 20,000 अनुक्रमों (10,000 साइफर-जनरेटेड, 10,000 रैंडम) का उपयोग करके प्रयोग किए।

पैटर्न फ्रीक्वेंसी अंतर:
- रैंडम अनुक्रमों की तुलना में साइफर-जनरेटेड अनुक्रमों ने विशिष्ट पैटर्न लंबाई के लिए उच्च सामान्यीकृत फ्रीक्वेंसी (higher normalized frequencies) प्रदर्शित की।
- उदाहरण: 8-बिट पैटर्न के लिए, साइफर आउटपुट फ्रीक्वेंसी रैंडम के 0.50 के मुकाबले 0.61 थी; 32-बिट पैटर्न के लिए, 0.17 बनाम 0.06।
डेविएशन स्कोर:
- सभी परीक्षण की गई लंबाई में गैर-शून्य डेविएशन स्कोर देखे गए (8-बिट के लिए 0.11, 16-बिट के लिए 0.14, 32-बिट के लिए 0.11), जो संरचनात्मक अंतरों की पुष्टि करते हैं।
एंट्रॉपी विश्लेषण:
- रैंडम अनुक्रमों ने उच्च एंट्रॉपी दिखाई, जो पैटर्न के अधिक समान वितरण को दर्शाता है।
- साइफर-जनरेटेड अनुक्रमों ने थोड़ी कम एंट्रॉपी दिखाई, जो नियतात्मक आंतरिक संचालन (जैसे स्ट्रीम साइफर्स में ARX ऑपरेशंस) द्वारा उत्पन्न सूक्ष्म संरचनात्मक पूर्वाग्रहों (biases) का सुझाव देती है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

विश्लेषणात्मक उपकरण, न कि 'ब्रेक': शोध पत्र स्पष्ट रूप से स्पष्ट करता है कि पता लगाए गए संरचनात्मक संकेत व्यावहारिक क्रिप्टोग्राफिक कमजोरियों या शोषण योग्य असुरक्षाओं का संकेत नहीं देते हैं। आधुनिक साइफर्स कम्प्यूटेशनल रूप से यादृच्छिक होने के समान ही अविभेद्य हैं।
उन्नत मूल्यांकन: SBC क्रिप्टोग्राफिक मूल्यांकन के लिए एक मूल्यवान पूरक उपकरण के रूप में कार्य करता है। यह शोधकर्ताओं को उन सूक्ष्म नियमितताओं (regularities) की पहचान करके "संरचनात्मक मजबूती" (structural robustness) का अध्ययन करने की अनुमति देता है जिन्हें वैश्विक सांख्यिकी मिस कर सकती है।
भविष्य की दिशाएं: यह ढांचा निम्नलिखित के लिए मार्ग खोलता है:
- जटिल पैटर्न का पता लगाने के लिए उन्नत स्ट्रिंग संरचनाओं (Suffix Trees, Suffix Arrays) को लागू करना।
- स्वचालित संरचनात्मक सहसंबंध खोज के लिए स्ट्रिंगोलॉजी फीचर्स के साथ मशीन लर्निंग मॉडल को एकीकृत करना।
- स्ट्रीम साइफर्स से परे व्यापक क्रिप्टोग्राफिक प्रिमिटिव्स के वर्गों तक विश्लेषण का विस्तार करना।

संक्षेप में, शोध पत्र तर्क देता है कि स्ट्रिंगोलॉजी के नजरिए से क्रिप्टोग्राफिक आउटपुट की व्याख्या करना अनुक्रम विश्लेषण के लिए एक नया, सूक्ष्म दृष्टिकोण प्रदान करता है, जो संरचनात्मक क्रिप्टेनालिसिस और क्रिप्टोग्राफिक प्रिमिटिव्स के कठोर मूल्यांकन के टूलकिट को बढ़ाता है।