➡️ Discord | Dokumentation ⬅️

Projekt ciphey

ciphey ist die nächste Generation von Dekodierungswerkzeugen, entwickelt von denselben Leuten, die dir Ciphey gebracht haben.

Wir beabsichtigen voll und ganz, Ciphey durch ciphey zu ersetzen.

✨ Du kannst hier mehr über ciphey lesen: https://skerritt.blog/introducing-ciphey/ ✨

Verwendung

Der einfachste Weg, ciphey zu verwenden, ist, dem Discord-Server beizutreten, zum #bots-Kanal zu gehen und ciphey mit $ciphey zu verwenden. Gib $help ein, um hilfreiche Informationen zu erhalten!

Der zweitbeste Weg ist, cargo install ciphey zu verwenden und es mit ciphey aufzurufen.

Du kannst dieses Repo auch git cloneen und docker build . darauf ausführen, um ein Image zu erhalten.

Funktionen

Einige Funktionen, die dich interessieren könnten und auf die wir stolz sind.

Schnell

ciphey ist schnell. Sehr schnell. Andere Decoder wie Ciphey benötigen fortschrittliche künstliche Intelligenz, um zu bestimmen, welchen Pfad zur Dekodierung eingeschlagen werden soll (ob als Nächstes Caesar oder Base64 usw. versucht werden soll).

ciphey ist so schnell, dass wir uns derzeit darüber keine Sorgen machen müssen. Für jede 1 Dekodierung, die Ciphey schafft, kann ciphey etwa 7 durchführen. Das ist eine Geschwindigkeitssteigerung von 700 %.

Bibliothek zuerst

ciphey besteht aus 2 Hauptteilen: der Bibliothek und der CLI. Die CLI verwendet einfach die Bibliothek, was bedeutet, dass du auf ciphey aufbauen kannst. Einige Funktionen, die wir entwickelt haben, sind:

• Ein Discord-Bot
• Besseres Testen des gesamten Programms 💖
• Diese CLI

Decoder

ciphey unterstützt derzeit 16 Decoder und wächst schnell. Ciphey unterstützt etwa ~50, und wir fügen täglich mehr hinzu.

Timer

Eines der großen Probleme mit Ciphey war, dass es ewig laufen konnte. Wenn es deinen Text nicht dekodieren konnte, wusstest du es nie!

ciphey hat einen Timer (integriert in die Bibliothek und die CLI), was bedeutet, dass er irgendwann abläuft. Die CLI verwendet standardmäßig 5 Sekunden, der Discord-Bot standardmäßig 10 (um zu berücksichtigen, dass Netzwerknachrichten übertragen werden).

Bessere Docs, bessere Tests

ciphey hat bereits ~120 Tests, Dokumentationstests (um sicherzustellen, dass unsere Docs aktuell bleiben) und wir erzwingen Dokumentation für alle unsere Hauptkomponenten. Das ist wunderschön.

LemmeKnow

LemmeKnow ist die Rust-Version von PyWhat. Es ist 33-mal schneller, was bedeutet, dass wir jetzt 3300 % schneller als in Python dekodieren und feststellen können, ob etwas eine IP-Adresse ist oder nicht.

Multithreading

Ciphey unterstützte kein Multithreading, es war ziemlich langsam. ciphey unterstützt es nativ mit Rayon, einer der schnellsten Multithreading-Bibliotheken da draußen.

Während wir die Auswirkungen bei nur 16 Decodern (die zudem recht schnell sind) nicht vollständig sehen, werden wir, wenn wir mehr Decoder (und langsamere) hinzufügen, feststellen, dass es die Gesamtgeschwindigkeit des Programms nicht so stark beeinträchtigt.

Mehrstufige Dekodierungen

Ciphey unterstützte keine mehrstufigen Entschlüsselungen wie einen Pfad von Rot13 -> Base64 -> Rot13, weil es so langsam war. ciphey ist schnell genug, um dies zu unterstützen, obwohl wir planen, es irgendwann abzuschalten.

Konfigurierbare Sensitivität für Klartext-Erkennung

ciphey unterstützt jetzt konfigurierbare Sensitivitätsstufen für die Kauderwelsch-Erkennung, was eine genauere Klartext-Identifizierung über verschiedene Arten von Kodierungen hinweg ermöglicht. Klassische Chiffren wie Caesar verwenden eine niedrige Sensitivität, um englischähnliche Ergebnisse besser zu handhaben, während die meisten anderen Decoder standardmäßig eine mittlere Sensitivität verwenden.

Diese Funktion hilft, falsch-positive und falsch-negative Ergebnisse bei der Klartext-Erkennung zu reduzieren, wodurch ciphey über eine breitere Palette kodierter Texte hinweg zuverlässiger wird.

Verbesserte Klartext-Erkennung mit BERT

ciphey bietet jetzt eine verbesserte Klartext-Erkennung unter Verwendung eines BERT-basierten Modells aus der gibberish-or-not-Crate. Diese Funktion:

• Erhöht die Genauigkeit der Klartext-Erkennung um etwa 40 %
• Reduziert falsch-positive und falsch-negative Ergebnisse bei der Identifizierung von Klartext
• Kann während der Ersteinrichtung oder später mit ciphey --enable-enhanced-detection aktiviert werden
• Erfordert einen einmaligen Download eines 500 MB großen KI-Modells (erfordert ein kostenloses Hugging-Face-Konto)

Neue Funktionen

Besserer Suchalgorithmus

Wir verwenden jetzt die A*-Suche. Diese ist sehr schnell.

A* funktioniert, indem es eine Heuristik verwendet, um die Kosten zu schätzen, um vom aktuellen Zustand aus das Ziel zu erreichen.

Zuerst ignorieren wir die Heuristik für sehr schnelle Decoder wie Base64 und stellen sicher, dass wir sie jedes Mal zuerst auf jedem Knoten ausführen.

Dann berechnen wir die Heuristik für die verbleibenden Decoder mit cipher_identifier, was die Wahrscheinlichkeit bestimmen kann, dass eine gegebene Zeichenkette eine bestimmte Chiffre ist.

Wir speichern vorherige Ergebnisse in einem Cache, um die Neuberechnung desselben Pfads zu vermeiden.

Wir beschneiden den Suchbaum, um unnötige Berechnungen zu vermeiden und den Speicherverbrauch gering zu halten, falls er zu groß wird.

Wir führen außerdem Statistiken über Decoder, um Decoder, die besser funktionieren, dynamisch zu priorisieren (Beispiel: Caesar ist beliebt, Beaufort jedoch nicht, also wird Caesar dynamisch gegenüber Beaufort priorisiert).

Schließlich führen wir Statistiken über beliebte Paare. So ist base64 -> base64 sehr beliebt, also priorisieren wir diesen Pfad (unter anderem).

Benutzerdefinierte Themes

Du kannst jetzt ein benutzerdefiniertes Theme für ciphey festlegen. Dies ist nützlich, wenn du ciphey anders aussehen lassen möchtest.

Dies hilft auch bei der Barrierefreiheit.

Vigenere

Wir verwenden jetzt vielleicht den besten Algorithmus für Vigenere.

Er ist schnell, genau und behandelt Nicht-Buchstaben-Zeichen besser als jeder andere Algorithmus.

Bessere Englisch-Prüfung

Wir verwenden einen Qudgaram-/Trigramm-/Englisch-Wörterbuch-Prüfer, um die Wahrscheinlichkeit von Klartext zu berechnen.

Wir ändern die Schwellenwerte je nach Chiffre. Ein Beispiel ist, dass Caesar Text zurückgibt, der "wie" Englisch "aussieht", während base64 dies nicht tut.

Darüber hinaus haben wir eine Datenbank mit beliebten Regex (etwa 500) von API-Schlüsseln, MAC-Adressen usw.

Wir haben auch eine is_password-Funktion, um festzustellen, ob eine Zeichenkette ein exaktes Passwort ist, das in einem Datenleck gesehen wurde.

Mehr Chiffren

• Braille
• Atbash
• Vigenere

Datenbank

Wir speichern jetzt Statistiken in einer Datenbank. Dies ist nützlich, um zu sehen, wie ciphey sich im Laufe der Zeit schlägt.

KI-Nutzung