将 MATLAB 代码转换为 Python:Python 类型和操作顺序



这是来自RainbowCrack作者的MATLAB函数:

function ret = calc_success_probability(N, t, m)
arr = zeros(1, t - 1);
arr(1) = m;
for i = 2 : t - 1
arr(i) = N * (1 - (1 - 1 / N) ^ arr(i - 1));
end
exp = 0;
for i = 1 : t - 1
exp = exp + arr(i);
end
ret = 1 - (1 - 1 / N) ^ exp;

它计算在彩虹表的情况下找到明文密码的成功概率,该彩虹表具有键空间N、一个大的无符号整数、长度t链和链数m

运行示例:

calc_success_probability(80603140212, 2400, 40000000)

返回 0.6055。

我很难将其转换为Python。 在Python 3中,不再有最大整数,所以N不是问题。 我认为在计算中我必须将所有内容强制为一个大的浮点数,但我不确定。

我也不知道 MATLAB 中的操作顺序。 我认为代码是这样说的:

创建大小为 [1 .. 10] 的数组,以便十个元素 用零初始化该数组的每个元素

在从零开始的索引中,我认为这将是array[0 .. t-1],看起来 MATLAB 使用 1 作为第一个(0'th(索引。

然后将数组的第二个元素(从 0 开始索引(初始化为m

对于数组中的每个元素,pos=1(从 0 开始的索引(到t-1

array[pos] = N * (1 - (1 - 1/N) ** array[pos-1]

其中**是电源操作员。 我认为功率在 MATLAB 中是^的,所以N * (1 - (1-1/N)array[pos-1]功率就像上面一样。

然后设置一个指数。 对于数组 0 到t-1中的每个元素: 指数是指数 + 1

返回概率 =1 - (1 - 1/N)exp 的幂;

我的 Python 代码看起来像这样,不起作用。 我不知道为什么,但可能是我对 MATLAB 或 Python 都不够了解,或者我不知何故读错了数学,MATLAB 中发生的事情不是我所期望的,即我的操作顺序和/或类型错误无法使其工作,并且我错过了这些术语中的某些内容......

def calc_success_probability(N, t, m):
comp_arr = []
# array with indices 1 to t-1 in MATLAB, which is otherwise 0 to t-2???
# range with 0, t is 0 to t excluding t, so t here is t-1, t-1 is up
# to including t-2... sounds wrong...
for i in range(0, t-1):
# initialize array
comp_arr.append(0)
print("t = {0:d}, array size is {1:d}".format(t, len(comp_arr)))
# zero'th element chain count
comp_arr[0] = m
for i in range(1, t-1):
comp_arr[i] = N * (1 - (1 - 1 / N)) ** comp_arr[i-1]
final_exp = 0
for i in range(0, t-1):
final_exp = final_exp + comp_arr[i]
probability = (1 - (1 - 1 / N)) ** final_exp
return probability

注意你的括号!你已经翻译了这个:

arr(i)      = N * (   1 - ( 1 - 1 / N )     ^  arr(i - 1)     );

对此:

comp_arr[i] = N * (   1 - ( 1 - 1 / N )   ) ** comp_arr[i-1]

我已经将所有内容都排好了,以便您可以更好地看到哪里出了问题。您已将括号移动到错误的位置。

它应该是:

comp_arr[i] = N * (   1 - ( 1 - 1 / N )     ** comp_arr[i-1]  )

同样地

ret = 1 - (1 - 1 / N) ^ exp;

probability = (1 - (1 - 1 / N)) ** final_exp

这应该是

probability = 1 - (1 - 1 / N) ** final_exp

最新更新