LlamameX, Ya he corregido el error, ¿puedes verificar que tal se adaptan estos alfabetos?

ÑPKH:YERXWCB;QO,JGFUVNATD_ZISLM. 0,1675
ÑTQXJDFU_:KBHRM;,LVPSAENWZIOC.YG 0,174
ÑGIWT;_JOFYMSZHKXU,BRVNPQD:EA.CL 0,1858
ÑPWJME,NVUT:CGIAQ;.XRHKSYZLDO_BF 0,1946

El problema es que converge muy mal, no es como una cifra de substitución en que pruebas alfabetos y la gráfica no tiene dientes de sierra, así que no sé si solo con esto valdrá. Tengo que probar con tus restricciones también. Pero estoy haciéndolo bien ¿no?. Para calcular los pesos a partir de la tabla utilizo las frecuencias reales. Luego las comparo con las del cifrado.

Voy despacio porque me ha tocado un momento de mucho curro en el trabajo, valga la redundancia, pero sigo en ello.

Bueno, que no se detenga la máquina. Aunque esos caminos no parecen conducirnos a resultados directos no se acaba ahí el mundo, con permiso de los mayas.

Se me ocurre una nueva vía de ataque basándome en la misma teoría que el anterior, pero en este caso apuntando a los caracteres menos frecuentes. Resulta chocante tener sólo 393 ocurrencias de V (frente a las 2419 Ñs, 6 veces menos) cuando hay 32 emparejamientos (16 si no distinguimos los simétricos AB-BA) que nos pueden proporcionar ese carácter, especialmente cuando pensamos que entre esas parejas estarán forzosamente incluidas las que contengan carácteres muy frecuentes como el espacio, la A o la E.

Esto me lleva a pensar que en esas parejas deben estar formadas por un carácter frecuente junto con un infrecuente, de manera que sus apariciones se compensen y que no debe haber muchas maneras de conseguir esto. Así, debería ser posible aislar las combinaciones de parejas que nos den una frecuencia baja para un carácter consiguiendo, por tanto, restricciones del tipo f("V")=f(A[i])^f(A[j]) que deberíamos poder trasladar al alfabeto derivado.

Más que nada por hacer el esfuerzo de recuperar la actividad tras la hibernación obligada por las digestiones navideñas os cuento en que ando: Tengo algunos métodos que dan resultados parciales pero usando cantidades absurdas de texto (trabajo con 3 novelas enteras concatenadas de B.P.Galdós para conseguir varios millones de caracteres). Algunos de los métodos són:

- Buscar "quasi-palindromos" de la forma "K_abc_K" (la K es mi 0 en mi cifrado, como la Ñ lo es en el de Agustín) de manera que obtenemos que f(a)^f(b)=f(c). Esto funciona bastante bien (no 100% puesto que la K también puede provenir de otros carácteres probables como f('A')^f('A') o f('E')^f('E') con lo que el palíndromo sería otro) aunque hay muy pocos casos aún con mucho texto.

- Buscar tetragramas con inicios conocidos pero con finales distintos. Por ejemplo

Sabemos que K+K+L corresponde a _+_+_+A, con lo que el siguiente más probable empezando por K+K+L (en mi caso K+K+L+D) debería corresponder a _+_+_+A+E, obteniéndose que f('A')^f('E')=f('D'). Podemos verificarlo además sabiendo que si K+K+Ñ es _+_+_+E entonces K+K+Ñ+D debe ser la más frecuente de los que empiecen por K+K+Ñ como efectivamente ocurre.

Esta verificación nos permite distinguir falsos positivos como, por ejemplo, que K+K+L+J sea el siguiente en frecuencia nos llevaría a pensar que proviene de _+_+_+A+O, pero como sabemos que K+K+I proviene de _+_+_+O entonces K+K+I+J vendria de _+_+_+O+A con lo que sería la más frecuente de las que empiezan por K+K+I y no es así. Sin embargo, sabiendo que K+K+M proviene de _+_+_+S si nos cuadra que provenga de _+_+_+A+S puesto que K+K+M+J es la más frecuente de las que empizan por K+K+M.

Como se ve se trata de avances lentos con pasitos cortitos, consiguiendo definir reglas que permitan limitar un ataque contra el alfabeto derivado. Dichas reglas, además, tampoco son absolutas puesto que el xor compensa muuucho las diferencias en frecuencias y a la que nos vamos de los caracteres más habituales aparece mucha contaminación proviniente de otras parejas que generan los mismos resultados.

Bueno pues eso, que seguimos en la brecha y feliz año 1 maya a todos.

He encontrado una técnica que me está permitiendo avanzar bastante rápidamente en el análisis y validación del texto largo (descarto de momento trabajar con el corto) en base a confirmaciones cruzadas de trigramas equivalentes, cosa que me permite filtrar la contaminación que viene de parejas del mismo resultado XOR. Tengo ya muy fijas las relaciones entre los XOR de los carácteres más probables (son los fáciles) con lo que con 6 suposiciones consigo 14 caracteres del alfabeto derivado.

Los caracteres de frecuencia más baja me van a dar problemas, pero si consigo relacionarlos con los de frecuencia más alta (a través de un tercer carácter) podría obtenerlos también.

No se si acabaré llegando a alguna parte, pero por fin tengo la sensación de estar pisando terreno (algo) sólido con FOTP.

Al final del proceso de limpieza de frecuencias obtengo los siguientes valores.

Ai|Reg|Peso
--+---+-----
J | _ | 2206
R | A | 2066
M | E | 2055
X | O | 1833
V | S | 1286
P | R | 1270
Y | N | 1078
: | I | 1065
Z | L | 1040
A | D | 867
L | U | 785
C | T | 759
; | C | 639
? | M | 477
, | P | 463
W | B | 448
K | . | 294
H | , | 230
S | Q | 227
E | V | 167
B | G | 142
D | H | 105
F | Y | 102
_ | F | 79
U | J | 39
. | Z | 19
I | ; | 15
G | Ñ | 0
N | X | 0
O | : | 0
Q | K | 0
T | W | 0

Que corresponden a las relaciones tipo f(Ci)=f("_")^f(Ai) . La columna central es la correspondiente a la distribución Regenta. Los números de la derecha no son frecuencias absolutas sino pesos asignados por el proceso pero que se equiparan a éstas. Así podemos asumir, por ejemplo, que f("J")=f("_")^f("_") o que f("R")=f("_")^f("A"). Siempre digo que f(Ai) es la función de sustitución, que es correcto, pero quizás es más claro decir que f(Ai) es la posición de Ai en el alfabeto derivado.

Considero este paso como muy relevante aunque queda bastante por hacer. Como puede verse no hay datos de los caracteres poco frecuentes, que deberán obtenerse de manera indirecta por su aparición en otras relaciones. También puede verse que hay pesos muy parecidos, como los que corresponderían a la E y la A o la S y la R, con lo que buscaré nuevas verificaciones para acabar de fijarlas.

Estos datos corresponden al XOR con el espacio, pero el mismo proceso lo estoy preparando para el XOR con la A y la E, que aparte de verificaciones me proporcionarán nuevas restricciones para el alfabeto.

Espero poder llegar a algún resultado ya que esto, de momento, promete.