打表替换(汉字映射表)加密只是单表替换:按编码单位切分后查逆表即可还原,多字节映射还需按 3 字节分组
crypto/classical · verified
一句话结论
把每个英文字母按一张固定表换成汉字(或任意符号)得到的“加密文本”,本质仍是单表替换:只要拿到(或推测出)正向表就能建逆表逐单位还原;实现上要注意映射单位是多字节 UTF-8 字符而不是单字节,解密必须按 3 字节边界分组再查表,否则逆表永远查不中。
原理
- 映射表就是密钥:
{'a':"阿", 'b':"博", ...}是一张 26 个字母(大小写各一套)加空格的查表;加密是查表(明文字符),解密是逆表(密文单位)。密钥空间等于表的排列组合,但对已知表或可猜表(如姓氏/百家姓顺序)几乎没有强度。注意它不是严格意义上的单射置换:原文表里小写o与大写O都映射到同一个「欧」,建逆表时后者会覆盖前者(或随遍历顺序决定),这两个字在密文里不可区分——这正是打表替换连“大小写”这一位信息都可能丢掉的实例。 - 为什么多字节要按单位分组:UTF-8 下一个汉字是 3 字节,
for (char c : input)逐字节遍历时,一个汉字会被拆成 3 个“字符”,逐字节查逆表必然失败;正确做法是用(unsigned char)c >= 0x80判断进入多字节缓冲、累计到 3 字节后整块查表再清空缓冲。 - 为什么加密端可以逐字节:加密端遍历的是明文字母(ASCII,单字节),每字符查一次正向表并输出一个汉字串,天然对齐;不对称点只在解密端,所以这类自实现代码最常见的 bug 就是解密失败/输出乱码。
- 安全性等价于凯撒之上的一层:单表替换对频率分析/已知明文攻击不设防;若表内容完全未知,用“中文常用姓氏表”“百家姓顺序”这类字典做候选搜索,或直接对已知明文(flag 前缀)做已知明文攻击即可定表。
- 识别信号:密文里出现大量中文字符且长度是明文的整数倍(本例每个字母换一个汉字,长度约 3 倍字节数);把汉字按 3 字节切开后词频仍符合英文分布。若明文同时含大小写同形(如
o/O同表项),还原出来的大小写可能与原文不符,需回代验证。
触发条件
- 密文由固定表替换后的多字节字符(汉字、emoji、符号串)组成,且替换是逐字符一致的。
- 能拿到正向表(源码、出题附件)、或能用已知明文(
flag{/ictf{前缀)反推部分映射。 - 明文为 ASCII 字母/数字(映射表的键集合有限)。
- 解密实现按编码单位分组(否则需要先修实现)。
利用步骤
- 判断单位:统计密文字节长度与可见字符数,若“字符数 = 明文字母数”且每字符 3 字节(UTF-8 汉字),按 3 字节切分。
- 建逆表:
reverse[value] = key遍历正向表;若只有密文没有表,先用已知前缀(如ictf{)反推前几个映射,再用词典/姓氏表补全。 - 逐单位还原:把密文按 3 字节分组,逐组查逆表,命中则输出对应 ASCII 字符,未命中保留原单位(对应加密端“未定义字符直接保留”的行为)。建表时若发现多个明文字符映射到同一密文(如
o/O同为「欧」),要显式处理覆盖关系,否则大小写会丢。 - 校验:把还原结果再正向加密一遍,应得到原密文;或检查是否符合英文/flag 格式。
- 若结果是混合文本(中文夹英文),说明表只覆盖部分字符,按“未映射字符保留”规则处理即可。
PoC
// 解密侧的正确写法:按 UTF-8 多字节单位分组后再查逆表
std::unordered_map<std::string, char> reverseKey;
for (auto &p : englishToChinese) reverseKey[p.second] = p.first;
// 注意:原文表里 'o' 与 'O' 同为「欧」,上面这句会让后者覆盖前者,
// 逆表无法区分大小写;需要时改为 multimap 或按上下文补判。
std::string out, buf;
for (char c : input) {
if ((unsigned char)c >= 0x80) { // 多字节字符的第一/后续字节
buf += c;
if (buf.size() == 3) { // 一个汉字 = 3 字节
auto it = reverseKey.find(buf);
out += (it != reverseKey.end()) ? it->second : buf; // 未定义则保留
buf.clear();
}
} else {
out += c; // ASCII 原样保留
}
}
# 若表已知,Python 侧更简单:按字符(而非字节)分组
rev = {v: k for k, v in table.items()}
plain = ''.join(rev.get(ch, ch) for ch in cipher)
变体与关联
- 变体:表里同一明文对应多个密文(同义替换表)时属于多表替换,频率分析被削弱,需要按位置/上下文推断,强度略高于单表但仍远不及现代密码。
- 变体:替换单位是 emoji/私有区字符,思路不变,只是分组长度按 UTF-8 变化(emoji 常为 4 字节)。
- 变体:如果把两套表叠加使用(A 表加密后用 B 表再加密),仍是单表替换的复合,逆序用两张逆表即可还原,不增加实质强度。
- 关联:[[crypto-classical-monoalphabetic-substitution-frequency-tool]](纯字母单表替换的频率分析)、[[crypto-classical-column-transpose-vertical-read-caesar-shift]](换位类)、[[crypto-classical-pigpen-variant-fence-column-decode]](符号表替换)。
检测与防御
- 教学/CTF 场景:映射表替换不提供任何机密性,知道表即等于知道明文;真实系统不应使用。
- 若遗留代码用“字符表”做数据脱敏/编码:检测信号是固定映射、无随机化、无完整性校验;应改为标准编码(如 Base64 仅作编码)或 AEAD 加密。
- 实现层面:解密端必须按编码单位分组,且需处理“未映射字符保留”的一致性,否则会出现“加密成功、解密乱码”的经典 bug。