背包密码体制原理大白话讲解及Python实现

简介: 背包密码体制原理大白话讲解及Python实现

一、背包密码体制介绍

提到背包密码体制,我们首先就想到为什么这个密码体制和背包有什么关系,背包二字的由来是因为在1978年Merkle与Hellman提出的MH背包问题,这个问题的总体思路是这样的,现在有许多不同重量的物体,从中可以任意选择n件物品放入背包。披露背包中物品的总重量和物品堆;但是所选项目的类型不是公开的。针对这种问题Merkle与Hellman合作设计了一种使用背包问题对信息进行加密的方法,因为该加密算法涉及到背包问题,所以背包密码因此得名。

二、背包加密算法原理

背包加密算法的总体思路是这样的,假如A想发送一条信息,A首先要具有私钥,并且该密钥是通过背包问题传递的,该私钥可以生产一个公钥,发送消息之前必须先使用公钥进行加密,消息的合法接收者使用私钥等已知信息进行解密,这就是背包加密算法的总体思路。

image.png

三、背包加密算法步骤

3.1 构造递增序列背包

在背包问题当中,若物品的重量列表是一个超递增序列,这个问题是很容易的出答案的,解决超递增序列的背包问题主要有以下几个步骤:假如有一个背包,背包的重量已知,将这个背包的重量与我们已知的超递增序列中的最大值进行比较,如果背包的重量小于这个数,那么这个数不在背包中,如果重量大于或等于这个数,那么这个数在背包中,用背包的重量减去这个数,得出的结果继续与序列中的下一个数进行比较,重复比较直到比较完为止。如果背包的总重量减到0则该背包问题得出解,反之则无解。

image.png

3.2 以私钥为基础构造公钥

image.png

3.3 使用公钥进行加密

通过以私钥为基础构造公钥,此时当我们拿到公钥的时候,我们开始使用公钥进行加密数据,假如我们拿到一个二进制的数据011000110101101110,背包加密算法对该二进制数据加密的主要流程是:

image.png

3.4 解密

image.png

四、背包密码体制Python实现

4.1 以私钥构造公钥

def create_pubkey(data):
    # 构造m   此时m应大于超递增序列的所有和
    # m = sum(data) + 2
    # m = 250
    m = int(input("请输入m: "))
    # 构造n   这里的n应当与m互素,这里先取值为31
    # n = 31
    # n = 113
    n = int(input("请输入n: "))
    # 将序列中的每一个值都乘以n
    for i in range(len(data)):
        data[i] = data[i] * n
    # 序列中的每一个值都对m求余
    for j in range(len(data)):
        data[j] = data[j] % m
    print("构造的公钥是{} ".format(data))
    return data,m,n

4.2 实用背包密码算法加密

# 核心代码
# 将二进制数据进行加密
def encryp(clear_txt,pubkey):
    # 定义 密文列表
    cipher_list = []
    for i in range(len(clear_txt)):
        if clear_txt[i] == 1:
            cipher_list.append(clear_txt[i] * pubkey[i])
    # 密文的值
    cipher = sum(cipher_list)
    print("加密后的密文为{}".format(cipher))
    return cipher

4.3 解密

# 将加密后的数据进行解密
def decryption(cipher,input_list,m,inv_n):
    # 私钥序列和
    sumx = 0
    # for i in cipher:
    sumx = (inv_n * cipher) % m
    # for k in range(len(input_list)):
    result_list = []
    clear_list = []
    for s in range(0,7):
        for p in itertools.combinations(input_list,s):
            if sum(list(p)) == sumx:
                result_list = list(p)
    # print(result_list)
    for l in input_list:
        if l in result_list:
            clear_list.append(1)
        else:
            clear_list.append(0)
    result_str = ''
    for t in clear_list:
        result_str = result_str + str(t)
    print("解密后的明文为{}".format(result_str))
    return True

4.4 实现截图

我们输入一个超递增序列:[2,3,6,13,27,52],m取105,n取31,输入的m必须满足大于超递增序列的和,n必须与m互素,在进行试验的时候出现了一个错误困扰了很久,后来才发现原来超递增序列其实也是有要求的,那就是每一个元素的选取必须大于前面所有元素之和,这样的序列才是超递增序列,然后我们输入明文数据:011011,输出加密后的密文为313,公钥为[62, 93, 81, 88, 102, 37],机密后的明文为011011,具体截图请见下图。

image.png

相关文章
|
3月前
|
机器学习/深度学习 监控 数据挖掘
Python 高效清理 Excel 空白行列:从原理到实战
本文介绍如何使用Python的openpyxl库自动清理Excel中的空白行列。通过代码实现高效识别并删除无数据的行与列,解决文件臃肿、读取错误等问题,提升数据处理效率与准确性,适用于各类批量Excel清理任务。
419 0
|
3月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
301 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
4月前
|
机器学习/深度学习 文字识别 Java
Python实现PDF图片OCR识别:从原理到实战的全流程解析
本文详解2025年Python实现扫描PDF文本提取的四大OCR方案(Tesseract、EasyOCR、PaddleOCR、OCRmyPDF),涵盖环境配置、图像预处理、核心识别与性能优化,结合财务票据、古籍数字化等实战场景,助力高效构建自动化文档处理系统。
1030 0
机器学习/深度学习 算法 自动驾驶
741 0
|
4月前
|
数据可视化 Linux iOS开发
Python脚本转EXE文件实战指南:从原理到操作全解析
本教程详解如何将Python脚本打包为EXE文件,涵盖PyInstaller、auto-py-to-exe和cx_Freeze三种工具,包含实战案例与常见问题解决方案,助你轻松发布独立运行的Python程序。
1198 2
|
4月前
|
设计模式 缓存 运维
Python装饰器实战场景解析:从原理到应用的10个经典案例
Python装饰器是函数式编程的精华,通过10个实战场景,从日志记录、权限验证到插件系统,全面解析其应用。掌握装饰器,让代码更优雅、灵活,提升开发效率。
316 0
|
5月前
|
机器学习/深度学习 算法 文件存储
神经架构搜索NAS详解:三种核心算法原理与Python实战代码
神经架构搜索(NAS)正被广泛应用于大模型及语言/视觉模型设计,如LangVision-LoRA-NAS、Jet-Nemotron等。本文回顾NAS核心技术,解析其自动化设计原理,探讨强化学习、进化算法与梯度方法的应用与差异,揭示NAS在大模型时代的潜力与挑战。
1232 6
神经架构搜索NAS详解:三种核心算法原理与Python实战代码
|
5月前
|
数据采集 消息中间件 并行计算
Python多线程与多进程性能对比:从原理到实战的深度解析
在Python编程中,多线程与多进程是提升并发性能的关键手段。本文通过实验数据、代码示例和通俗比喻,深入解析两者在不同任务类型下的性能表现,帮助开发者科学选择并发策略,优化程序效率。
380 1
|
5月前
|
数据采集 Web App开发 JSON
Python爬虫基本原理与HTTP协议详解:从入门到实践
本文介绍了Python爬虫的核心知识,涵盖HTTP协议基础、请求与响应流程、常用库(如requests、BeautifulSoup)、反爬应对策略及实战案例(如爬取豆瓣电影Top250),帮助读者系统掌握数据采集技能。
456 0
|
6月前
|
存储 数据安全/隐私保护 开发者
Python深浅拷贝全解析:从原理到实战的避坑指南
在Python开发中,深浅拷贝是处理对象复制的关键概念。直接赋值仅复制引用,修改副本会影响原始数据。浅拷贝(如切片、copy方法)创建新容器但共享嵌套对象,适用于单层结构或需共享子对象的场景;而深拷贝(copy.deepcopy)递归复制所有层级,确保完全独立,适合嵌套结构或多线程环境。本文详解二者原理、实现方式及性能考量,帮助开发者根据实际需求选择合适的拷贝策略,避免数据污染与性能浪费。
348 1

推荐镜像

更多