Kaip veikia leksinis, fonotaktinis CVC ir CSPRNG slaptafrazių generatorius
Šis kliento naršyklėje veikiantis leksinis sintezatorius apjungia keturis specializuotus algoritmus, naudojančius kriptografiškai saugų atsitiktinių skaičių generatorių (window.crypto.getRandomValues) be jokių puslapio perkrovimų. Kiekvienas sugeneruotas žodis atvaizduojamas kaip interaktyvus žetonas su lingvistine rentgeno suvestine: raidžių skaičiumi, skiemenų kiekiu, klasikine Scrabble raidžių taškų verte, priebalsių ir balsių (CV) karkaso schema, integruotu naršyklės balso sintezatoriumi (window.speechSynthesis, leidžiančiu iškart išgirsti žodžio skambesį paspaudus 🔊) bei prisegimo mygtuku (📌), kuris išsaugo patikusius žodžius sąrašo viršuje generuojant naujus variantus.
- Kategorizuota žodyno imtis (9 teminiai poaibiai): Filtruokite žodžius pagal kalbos dalį (konkretūs daiktavardžiai, dinaminiai veiksmažodžiai, apibūdinantys būdvardžiai) arba pagal tikslines temas: Pictionary / Šarados (lengvi ir vizualūs objektai), Alias (sunkūs ir abstraktūs terminai), Gyvūnai, augmenija ir gamta, Technologijos, kosmosas ir mokslas bei Startuolių prekių ženklų poros (būdvardis + daiktavardis).
- Fonotaktinis CVC pseudo-žodžių sintezatorius ir išmanus filtrų papildymas: Generuoja lengvai ištariamus, tačiau žodynuose neegzistuojančius naujadarus, kombinuodamas leistinas skiemens pradžias (Onset:
br, cl, st, tr, pl), balsinius branduolius (Nucleus:a, e, i, o, u, ai, oa) ir skiemens pabaigas (Coda:nd, nk, rt, st, lp). Jei žodyno režime pasirenkate itin siaurą filtrą (pavyzdžiui,Prasideda raide: XirIlgis: 9 raidės), kur natūraliame žodyne nėra pakankamai atitikmenų, išmanusis papildymas (Smart Filter Fallback) niekada nenumeta jūsų filtro – jis pirmiausia išveda visus rastus tikrus žodžius, o trūkstamus žetonus automatiškai susintetina per CVC variklį ir pažymi[Synth]žyma. - CSPRNG Diceware slaptafrazių ir programuotojų identifikatorių režimas: Jungia kelių žodžių kriptografines grandines (
būdvardis-daiktavardis-veiksmažodis-skaičius), akimirksniu keičia formatavimą (camelCase,kebab-case-slug,snake_case_id) ir leidžia eksportuoti duomenis įJSONmasyvą,CSVeilutę arbaSQL VALUESužklausą. - Interaktyvi vakarėlių scena (Pictionary / Alias / Šaradų laikmatis): Ketvirtasis tabas paverčia įrankį žaidimo ekranu su dideliu šriftu, konfigūruojamu 30 s, 60 s arba 90 s atgaliniu laikmačiu, Web Audio API garso signalais ir komandos taškų skaitikliu (
Atspėta +1irPraleista).
Zipfo dėsnis, Šanono pertekliškumas ir fonotaktiniai skiemens suvaržymai
Kodėl žmogaus ausis akimirksniu atskiria skambų startuolio pavadinimą (pvz., „Stravel“ ar „Plondex“) nuo chaotiškos raidžių eilutės „Xqzjkv“? Atsakymas glūdi kiekybinės lingvistikos, informacijos teorijos ir fonologijos sandūroje.
1935 m. Harvardo lingvistas George'as Kingsley Zipfas įrodė, kad bet kuriame natūralios kalbos tekstyne žodžio pasikartojimo dažnis yra atvirkščiai proporcingas jo rangui dažnių lentelėje – tai laipsninis skirstinys, vadinamas Zipfo dėsniu:
f(r) ∝ 1 / rs (kur s ≈ 1,0)
Kadangi kasdienėje kalboje dominuoja saujelė tarnybinių žodžių (jungtukai, prielinksniai, įvardžiai), paprastas žodžių traukimas iš neapdoroto teksto duoda nuobodžius ir pasikartojančius rezultatus. Tikras atsitiktinių žodžių generatorius privalo taikyti tolygųjį diskretųjį skirstinį (P(wi) = 1/N) virš kruopščiai atrinkto leksinių lemų rinkinio, kad reti ir vaizdingi daiktavardžiai (tokie kaip chronometras, salynas ar obsidianas) turėtų lygiai tokią pačią tikimybę būti ištraukti kaip ir baziniai žodžiai.
Simbolių lygmenyje Klodo Šanono (Claude Shannon) 1951 m. darbas „Prediction and Entropy of Printed English“ parodė, kad nors tolygiai atsitiktinė 26 raidžių eilutė turi log2(26) ≈ 4,70 bito entropiją vienam simboliui, tikra rašytinė kalba dėl ~75 % struktūrinio pertekliškumo (redundancy) turi tik 1,0–1,5 bito entropiją simboliui. Šį pertekliškumą valdo fonotaktika ir skambumo sekos principas (Sonority Sequencing Principle): kiekvienas skiemuo formuojamas aplink skambų balsinį branduolį (N), prieš kurį eina didėjančio skambumo priebalsių grupė (Onset, O), o po jo – mažėjančio skambumo pabaiga (Coda, C):
Skiemuo (σ) = Pradžia (Onset, O) + Branduolys (Nucleus, N) + Pabaiga (Coda, C)
Pavyzdžiui, priebalsių junginys str- arba pl- skiemens pradžioje yra fonotaktiškai leistinas, nes skambumas tolygiai kyla link balsės, tuo tarpu junginys zbk- ar rtk- pažeidžia artikuliacinę biomechaniką ir negali būti ištartas vienu kvėptelėjimu. Mūsų CVC sintezatorius generuoja žodžius tiesiogiai iš leistinų Onset-Nucleus-Coda matricų, todėl visi sugeneruoti pseudo-žodžiai yra lengvai ištariami ir puikiai tinka naujiems prekių ženklams bei laisviems .com domenams.
Kriptografinė matematika: kodėl Diceware slaptafrazės sutriuškina „sudėtingus“ slaptažodžius
Dešimtmečius pasenusios IT saugumo taisyklės vertė vartotojus kurti „sudėtingus“ 8 simbolių slaptažodžius su didžiąja raide, skaičiumi ir specialiu simboliu. Dėl žmogaus psichologijos nuspėjamumo vartotojai beveik visada didžiąją raidę rašo pradžioje, o gale prideda 1! (pvz., Vasara24!). Toks slaptažodis turi vos 28–35 bitus realios entropijos – šiuolaikinis kelių vaizdo plokščių (GPU) klasteris su Hashcat programa (tikrinantis virš 1011 SHA-256 arba NTLM maišų per sekundę) jį nulaužia per kelias sekundes.
1995 m. kriptografas Arnoldas G. Reinholdas pasiūlė Diceware metodą, kurį vėliau ištobulino Electronic Frontier Foundation (EFF). Užuot vertus žmogų įsiminti beprasmius ASCII simbolius, kriptografinis generatorius (CSPRNG) iš N žodžių žodyno nepriklausomai išrenka k žodžių. Bendra Šanono entropija H bitais apskaičiuojama pagal formulę:
H = k · log2(N) = log2(Nk)
- 4 žodžių kombinuota slaptafrazė (su dviženkliu skaičiumi): Suteikia
~40–52 bitusentropijos – ji yra lengvai įsimenama vaizduotėje, greitai surenkama klaviatūra ir pranoksta standartinius 8 simbolių slaptažodžius. - 6 žodžių EFF Diceware slaptafrazė (N = 7 776): Generuoja 6 × log2(7776) = 6 × 12,925 = 77,55 bito entropiją (2,21 × 1023 kombinacijų). Net tikrinant po vieną trilijoną (1012) spėjimų per sekundę, tokios frazės perrinkimas užtruktų vidutiniškai 3 500 metų.
Serverinių žodžių generatorių absurdas ir atsitiktinumo iškraipymai
Atidarę daugelio populiarių internetinių žodžių generatorių tinklo inspektorių (Network), pamatysite architektūrinį kuriozą: kiekvieną kartą paspaudus mygtuką „Generuoti 5 žodžius“, naršyklė siunčia HTTP POST formą į serverį, iš naujo parsiunčia 80 KB HTML kodo ir perkrauna megabaitus reklaminių skriptų vien tam, kad iš masyvo paimtų penkias eilutes. Dar blogiau – daugelis įrankių naudoja primityvų Math.random() rikiavimą (array.sort(() => Math.random() - 0.5)), kuris sukuria stiprų statistinį šališkumą (permutation bias).
Šis įrankis visus 4 kalbų žodynus, fonotaktines CVC matricas, Scrabble skaičiavimus ir Web Speech balso sintezę vykdo 100 % kliento pusėje per aparatūrinį window.crypto.getRandomValues(new Uint32Array(1)) šaltinį – 50 filtruotų žodžių sugeneruojama ir suformatuojama į JSON, CSV ar SQL greičiau nei per 0,4 milisekundės.