概述
Tanner图是由Mr Tanner在1981在论文中提出来的,是研究低密度校验码的重要工具。
Tanner图表示的是 LDPC 的校验矩阵。Tanner图中的循环是由图中的一群相互连接在一起的顶点所组成的。循环以这群顶点中的一个同时作为起点和终点,且只经过每个顶点一次。循环的长度定义为它所包含的连线的数量;而图形的围长,也成为图形的尺寸,定义为图中最小的循环长度。
Tanner图包含两类顶点: n个码字比特顶点(称为比特顶点),分别与校验矩阵的各列对应; m个校验方程顶点(称为校验节点),分别与校验矩阵的各列对应。校验矩阵的每行表示一个校验方程,每列代表一个码字比特。 如果一个码字比特包含在相应的校验方程中,那么就用一条连线将所涉及的比特节点和校验节点连起来,所以Tanner图中的连线数与校验矩阵中的1的个数相同。 比特节点用圆形节点表示,校验节点用方形节点表示。
CTF题目示例
题目来源:SUSCTF2022 Misc Tanner
下载题目,打开文件,是一个图片。
根据Tanner图,写出校验矩阵:
发现图片提示
低密度奇偶校验码图(LDPC码)本质上是一种线形分组码,它通过一个生成矩阵G将信息序列映射成发送序列,也就是码字序列。对于生成矩阵G,完全等效地存在一个奇偶校验矩阵H,所有的码字序列C构成了H的零空间 (null space),即H*CT=0
,其中CT
为C的转置。
编写计算脚本:
import numpy
import string
import hashlib
H1 = [[1, 1, 1, 1, 0, 0, 0, 0, 0, 0],
[1, 0, 0, 0, 1, 1, 1, 0, 0, 0],
[0, 1, 0, 0, 1, 0, 0, 1, 1, 0],
[0, 0, 1, 0, 0, 1, 0, 1, 0, 1],
[0, 0, 0, 1, 0, 0, 1, 0, 1, 1]]
Hm = numpy.mat(H1)
cou = 0
for i in range(1024):
ii = bin(i)[2:].rjust(10, '0')
print(ii)
z = []
zz = []
bp = 0
for a in ii:
aa = int(a)
z.append(aa)
C = numpy.mat(z)
re = Hm * C.T
ifz = True
for r in re:
if r[0] % 2 != 0:
ifz = False
if ifz:
print(re)
cou += i
print('cou:')
print(cou)