关于coincidence巧合指数/重合指数

该篇文章介绍破解维吉尼亚多表替换时使用的巧合指数。

个人认为巧合指数是： 在一段密文中随机无放回地抽取其中两个字母，这两个字母对应的明文相同的概率。

基础介绍：

• 若是从随机无意义的文本中选取两个字母，其相同的概率是 IC=26*(1/26)²≈0.038
• 若是从一篇有意义的英语文章中随机选取两个字母，其相同的概率是 IC=∑p(i)²≈0.065，(0.067/0.068都是可以的)，其中i是从A到Z
  • 英语文章字母出现的概率不是随机的，比如字母e出现的概率最大

故当巧合指数计算结果接近0.065时表明该密钥划分是合理的。

巧合指数计算公式

$$IC=\frac{{\sum }_{i=A}^{i=Z}{f}_i\ast (f_i-1)}{N\ast (N-1)}$$
其中f_i表示字母i出现的次数，N为文本长度（根据挑出来的文本长度决定，并不是全部文本的字母数）

---

举个例子（这些是随便敲的字母，仅演示计算过程）

• 假设密文是QMSHS BXYWN EJUXN ZBAJD OQDBX KCNZB SMDIW QNSBX KUWHX QBSHX
• 假设密钥长度为5，则依次挑选出Q B E Z O K S Q K Q（这一组字母所在位置mod 5 余0），计算字母出现的次数，N为10，带入上述公式，可以计算出一个IC值；继续挑选M X J B Q C M N U B（这一组字母所在位置mod 5 余1），重复计算；以此类推，我们总共可以计算得到五个IC值，可以判断是否与0.065相近（求平均或者直接一个个看）
• 若IC≈0.065则说明密钥长度正确，可以继续单个破解，下不赘述。

---

关于为什么密钥长度猜测正确时计算的IC值约等于0.065：

• 假设挑出的列数为第一列，我认为：在间隔长度正确时，挑选出的文本依然基本保留原文本的统计特征，比如原文本1000个字母中e出现70次，那么在挑出来的100个字母中e差不多会出现7次（是概率问题，表述不严谨理解就好到），统计特征基本没有被改变（样本容量变小了有一定误差），那么IC值也在一定范围有误差。
• 如果间隔长度不正确，相当于是两个或多个单表替换的揉和，统计字母时可能会出现一个字母被计算多次或者没有计算的现象，误差更大更随机。