ciphey は、Ciphey を開発した同じチームによる、次世代のデコードツールです。
私たちは、Ciphey を ciphey に完全に置き換えるつもりです。
✨ ciphey についての詳細はこちら https://skerritt.blog/introducing-ciphey/ をご覧ください ✨
ciphey を使う最も簡単な方法は、Discord サーバー に参加し、#bots チャンネルに移動して $ciphey で ciphey を使用することです。$help と入力すると役立つ情報が表示されます！
次善の方法は、cargo install ciphey を実行し、ciphey で呼び出すことです。
また、このリポジトリを git clone し、docker build . を実行してイメージを取得することもできます。
あなたが興味を持ちそうな、私たちが誇りに思っている機能をいくつかご紹介します。
ciphey は高速です。非常に高速です。Ciphey のような他のデコーダーは、デコードのパス（次に Caesar を試すか Base64 などを試すか）を決定するために高度な人工知能を必要とします。
ciphey は非常に高速なので、現在これについて心配する必要はありません。Ciphey が 1 回デコードするのに対し、ciphey は約 7 回デコードできます。これは 700% の速度向上です。
ciphey には、ライブラリと CLI の 2 つの主要部分があります。CLI は単にライブラリを使用するため、ciphey の上に構築することができます。私たちが構築した機能の一部は次のとおりです。
ciphey は現在 16 個のデコーダーをサポートしており、急速に 増えています。Ciphey は約 50 個をサポートしており、毎日さらに追加しています。
Ciphey の大きな問題の 1 つは、永遠に実行され続ける可能性があることです。テキストをデコードできなかった場合、決してわかりません！
ciphey にはタイマー（ライブラリと CLI に組み込まれています）があり、最終的には期限切れになります。CLI のデフォルトは 5 秒、Discord ボットのデフォルトは 10 秒（ネットワークメッセージの送信を考慮）です。
ciphey はすでに約 120 のテストとドキュメンテーションテスト（ドキュメントが最新であることを確認するため）を備えており、主要なコンポーネントすべてにドキュメントを義務付けています。これは素晴らしいです。
LemmeKnow は、PyWhat の Rust バージョンです。33 倍高速であり、何かが IP アドレスであるかどうかを Python よりも 3300% 高速にデコードおよび判断できることを意味します。
Ciphey はマルチスレッドをサポートしておらず、かなり遅かったです。ciphey は、最速のマルチスレッドライブラリの 1 つである Rayon を使用してネイティブにサポートしています。
デコーダーが 16 個しかなく（しかもかなり高速であるため）、その効果を完全には実感できていませんが、より多くのデコーダー（および低速なもの）を追加するにつれて、プログラム全体の速度にそれほど影響しないことがわかるでしょう。
Ciphey は低速だったため、Rot13 -> Base64 -> Rot13 のようなパスのマルチレベルデコードをサポートしていませんでした。ciphey はこれをサポートするのに十分高速ですが、最終的にはオフにする予定です。
ciphey は現在、意味不明なテキスト検出のための設定可能な感度レベルをサポートしており、さまざまな種類のエンコーディングにわたってより正確な平文識別を可能にします。Caesar のような古典的な暗号は、英語のような結果をより適切に処理するために Low 感度を使用し、他のほとんどのデコーダーはデフォルトで Medium 感度を使用します。
この機能は、平文検出における誤検出と誤検出漏れを減らし、より広範囲のエンコードされたテキストにわたって ciphey の信頼性を高めます。
ciphey は現在、gibberish-or-not クレートの BERT ベースのモデルを使用した拡張平文検出を提供しています。この機能：
ciphey --enable-enhanced-detection で有効化可能現在、A* 検索を使用しています。これは非常に高速です。
A* は、ヒューリスティックを使用して現在の状態から目標に到達するコストを見積もります。
まず、Base64 のような非常に高速なデコーダーについてはヒューリスティックを無視し、各ノードで毎回最初に実行するようにします。
次に、残りのデコーダーのヒューリスティックを cipher_identifier を使用して計算します。これにより、特定の文字列が特定の暗号である確率を判断できます。
以前の結果をキャッシュに保存して、同じパスを再計算しないようにします。
不要な計算を避け、メモリ使用量が大きくなりすぎないように検索ツリーを枝刈りします。
また、デコーダーの統計を追跡して、より効果的に動作するデコーダーを動的に優先します（例：Caesar は人気がありますが、Beaufort はそうではないため、Caesar が Beaufort よりも動的に優先されます）。
最後に、人気のあるペアを追跡します。したがって、base64 -> base64 は非常に人気があるため、そのパス（他のパスの中でも）を優先します。
ciphey にカスタムテーマを設定できるようになりました。これは、ciphey の外観を変更したい場合に便利です。
これにより、アクセシビリティも向上します。
現在、ヴィジュネル暗号にはおそらく最高のアルゴリズムを使用しています。
高速で正確であり、非文字文字を他のどのアルゴリズムよりも適切に処理します。
4-gram / トリグラム / 英語辞書チェッカーを使用して、平文の確率を計算します。
暗号に応じてしきい値を変更します。例として、Caesar は英語のように「見える」テキストを返しますが、base64 はそうではありません。
さらに、API キー、MAC アドレスなどの一般的な正規表現（約 500）のデータベースがあります。
また、文字列がデータダンプで見られた正確なパスワードであるかどうかを判断する is_password 関数もあります。
統計をデータベースに保存するようになりました。これは、ciphey の経時的なパフォーマンスを確認するのに役立ちます。
AI を 2 つの目的で使用しています：