CryptAffinity

1. Description

CryptAffinity est un logiciel libre permettant de déchiffrer des texte obfusqués par des systemes Afines ou l'algorithme de Vigenere. Il possède les caractéristiques suivantes :

• Il est distribue sous la licence GNU General Public License
• Il est écrit en C++.
• Il implémente pour l'instant uniquement une analyse par fréquences, à partir d'une liste de "priorités" de lettres dans un texte clair, et de la proportion que représentent les X premières lettres "prioritaires" dans le texte.

1.1. Auteurs

CryptAffinity a été concçu et realisé par Glenn ROLLAND <glenux@glenux.net> et Roland LAURÈS <shamox@mac.com> à l'occasion de travaux pratiques du cours de système du Master 2 Ingenierie Informatique - Systèmes, Reseaux et Internet.

2. Pre-requis

CryptAffinity nécessite les bibliothèques de fonctions suivantes (dans leur version de développement si compilez le programme vous-même):

• glib-2.0

2.1. Sur un système Debian GNU/Linux

Il vous suffit de taper (en tant qu'administrateur) les commandes suivantes pour installer le nécessaire:

# apt-get install libglib-2.0-dev

2.2. Sur un système Apple MacOS X (>= 10.3)

Il est nécessaire d'avoir installé les autotools (automake, autoconf...) dans leur dernière version. À partir de là, il suffit de taper les commandes suivantes dans un terminal :

# sudo fink install glib2-dev

2.3. Sur un système Microsoft Windows

Cela ne fut pas testé, mais il est probable que cela fonctionne sous Cygwin ou équivalent.

3. Se procurer CryptAffinity

Vous pouvez télécharger la version la plus récente du projet sur le depôt Git du projet.

Afin d'obtenir les sources, il vous suffit d'avoir Git installé sur votre système et de taper la commande suivante :

$ git clone https://github.com/glenux/cryptaffinity.git

4. Utiliser CryptAffinity

4.1. Compilation

Si vous avez téléchargé une archive, commencez par la decompressez :

$ tar -xzvf CryptAffinity-0.2.tar.gz

Rendez vous ensuite dans le dossier qui vient d'etre crée lors de la decompression.

$ cd CryptAffinity-0.2

Puis lancez l'auto-configuration du logiciel, puis la compilation.

$ ./autogen
$ ./configure
$ make

Le programme sous forme binaire se trouvera alors dans le sous-dossier src/tools/, sous le nom break_affinity

4.2. Utilisation

CryptAffinity necessite de nombreux parametres, avec la syntaxe suivante:

Usage: break_affinity -a <fichier> -e <float> -f <float> -p <fichier> -t <fichier> -m

Ou les parametres sont les suivants: &nbs p_place_holder;

-a, --alphabet FILE

Fichier contenant les lettres de l'alphabet, dans l'ordre.

-e, --epsilon FLOAT

Tolerance pour le test des clefs.

-f, --frequencies FLOAT

Proportion moyenne que représentent les 9 lettres "prioritaires" dans le texte clair.

-k, --keylength UINT

Taille de la clef maximum (obsolète)

-p, --priorities FILE

Lettres ordonnées par fréquence décroissante d'apparition dans le texte clair.

-t, --text FILE

Fichier contenant le texte chiffre.

-m, --mode MODE

Sélection du mode "Affine" (a) ou "Vigenere" (v)

5. Documentation

5.1. Code

Vous pouvez générer la documentation du code de CryptAffinity avec doxygen et la consulter dans le dossier doc/html de l'application.

Pour ce faire, tapez :

$ doxygen doxygen.conf

5.2. Principe du "decodeur Affine"

On génère l'espace des clefs possibles pour l'alphabet donne en entrée:

int alpha_size; //taille de l'alphabet
std::list<int> orb; // nombre premiers avec alpha_size
MathTools mt; // bibliotheque d'outils mathematiques
std::list<KeyAfine> keyList;
std::list<int>::iterator orbIt;

for (i=1; i<alpha_size; i++){
    if (mt.pgcd(i, alpha_size) == 1) {
	orb.push_back(i);
    }
}
// 1 - generer l'espace des 312 clefs
for (orbIt = orb.begin(); orbIt != orb.end(); orbIt++){
    KeyAfine key;
    key.setCoefA((*orbIt));
    for (i=0; i<alpha_size; i++){
	key.setCoefB(i);
	keyList.push_back(key);
  }
}

Puis on fait une attaque par analyse de frequence sur les textes obtenus par "decodage" du texte chiffre avec les clefs essayees.

float frequencies; // frequence cumulee des 9 lettres les
plus presentes
float epsilon; // marge d'erreur
std::list<KeyAfine>::iterator kLIt;

for (kLIt = keyList.begin(); kLIt != keyList.end(); kLIt++){
    float score = 0;
    printf("Trying key %s\n", (*kLIt).toString().c_str());

    plainText = codec.decode(cypherText, *kLIt);   
    plainText.setAlphabet(this->_config.getAlphabet());

    for (int i=0; i<9; i++){
    score +=   plainText.getCountOf(prio_conf[i]);
    }

    score = score / plainText.size();

    if (fabs(score - frequencies) < epsilon){
    printf("KEY = %s\n",(*kLIt).toString().c_str());

    printf("PLAIN TEXT(%f) = %s\n", fabs(score-frequencies),

	    plainText.toAlphabet().c_str());
    }
}

5.3. Principe du "decodeur Vigenere"

On commence par détecter les groupes de carateres qui se repetent dans le texte.

Une fois ces groupes repétes de lettres obtenus (dans l'ordre decroissant en fonction de leur longueur), on calcule la distance separant les deux premiers groupes (note d1) puis la distance entre les deux suivant (d2).

On pose K = PGCD(d1, d2). Il est fortement probable que K soit un multiple de la longueur de la clef. L'hypothese sous-jacente est que ces groupes de lettres sont issue du chiffrement des memes bouts de mots avec les memes bouts de la clef. Si le K = 1 on peut raisonnablement supposer que ce n'est pas le cas, et qu'il n'y a pas de repetitions.

L'etape suivante consiste a faire une analyse de frequence en decoupant le texte en K colonnes. On classe ensuite les lettres apparaissant dans les colonnes en fonction de leur nombre d'apparitions.

Dans un monde utopique, il suffirait de calculer la distance entre la lettre apparaissant le plus souvent dans la colonne, et celle apparaissant le plus souvent dans le langage attendu pour le texte clair (l'anglais en l'occurrence).

Cependant il arrive frequemment que l'ordre de lettre soit legerement change par rapport au resultat attendu. Dans le programme, on calcule donc pour chaque colonne les distances entre les X lettres les plus frequentes dans la colonne et la lettre la plus frequente dans le langage.

On genere ensuite un espace de X ^ K clefs a partir des combinaisons de ces differents decalages obtenus sur chaque colonne.

Enfin, on decode ensuite le texte avec chacune des clef generees, et en fonction de donnees statistiques relative a notre connaissance prealable du texte et d'une petite marge d'erreur, on filtre les texte dechiffres.

(Exemple: les 9 lettres les plus frequentes representent 70% du texte, et on une marge de +/- 4%).

En jouant sur la marge d'erreur, on laisse passer plus ou moins de textes dechiffres, parmi lesquels devrait se trouver le texte clair attendu.