ฉันกำลังเรียนรู้เกี่ยวกับตารางเรนโบว์และตารางเฮลแมน และฉันสงสัยเกี่ยวกับความแตกต่างระหว่างพวกเขา ดังนั้นฉันจึงทิ้งคำถามไว้แบบนี้
Wikipedia อธิบายประโยคต่อไปนี้:
คำว่า "Rainbow Tables" ถูกใช้ครั้งแรกในบทความเริ่มต้นของ Oechslin คำนี้หมายถึงวิธีการใช้ฟังก์ชันลดขนาดต่างๆ เพื่อเพิ่มอัตราความสำเร็จของการโจมตี วิธีการดั้งเดิมของ Hellman ใช้ตารางขนาดเล็กจำนวนมากที่มีฟังก์ชันการลดขนาดที่แตกต่างกัน ตารางเรนโบว์มีขนาดใหญ่กว่ามากและใช้ฟังก์ชันการลดขนาดที่แตกต่างกันในแต่ละคอลัมน์ เมื่อใช้สีเพื่อแสดงฟังก์ชันการลดลง รุ้งจะปรากฏในตารางรุ้ง รูปที่ 2 ของกระดาษของ Oechslin มีกราฟิกขาวดำที่แสดงให้เห็นว่าส่วนเหล่านี้เกี่ยวข้องกันอย่างไร สำหรับการนำเสนอของเขาในการประชุม Crypto 2003 Oechslin ได้เพิ่มสีสันให้กับกราฟิกเพื่อทำให้การเชื่อมโยงสายรุ้งชัดเจนยิ่งขึ้น กราฟิกที่ได้รับการปรับปรุงซึ่งนำเสนอในการประชุมจะแสดงทางด้านขวา
ตามนี้ ตารางเฮลล์แมนใช้ฟังก์ชันการลดขนาดเดียวกันสำหรับแต่ละตารางในขณะที่จัดเก็บตารางหลายขนาด $m\times เสื้อ$.
ในทางกลับกัน ตารางสายรุ้งจะสร้างตารางขนาดใหญ่ขึ้นหนึ่งตาราง และใช้ฟังก์ชันการลดขนาดที่แตกต่างกันสำหรับแต่ละคอลัมน์
ณ จุดนี้ มีคำถามสองสามข้อเกิดขึ้น
ในท้ายที่สุด ไม่ว่าจะใช้วิธีใดในสองวิธี การจัดเก็บองค์ประกอบจำนวนมากจะมีประโยชน์หรือไม่ (แน่นอนว่าจะต้องมีการคำนวณล่วงหน้าจำนวนมาก)
ความแตกต่างในการใช้ฟังก์ชันรีดักชันทำให้ผลลัพธ์ต่างกันหรือไม่?
จากมุมมองของฉัน โดยทั่วไป ผู้คนดูเหมือนจะใช้ตารางสีรุ้งมากกว่าตาราง Hellman แต่ทำไม
ขอขอบคุณ.
มีหลายมิติที่ต้องพิจารณาคำถามของคุณ และคำตอบสั้น ๆ นั้นเป็นไปไม่ได้จริง ๆ
กระดาษ การวิเคราะห์อัลกอริทึมการแลกเปลี่ยนสายรุ้ง ใช้ในทางปฏิบัติ ด้านล่างแสดงภาพรวมโดยละเอียดของการใช้ตารางสายรุ้งและวิธีเลือกพารามิเตอร์
https://eprint.iacr.org/2013/591.pdf
เชิงนามธรรม:
การแลกเปลี่ยนหน่วยความจำเวลาที่เข้ารหัสด้วยการเข้ารหัสเป็นเครื่องมือสำหรับ การกลับฟังก์ชันทางเดียว และวิธีตารางเรนโบว์ อัลกอริทึมการแลกเปลี่ยนที่รู้จักกันดีที่สุดถูกนำมาใช้กันอย่างแพร่หลายในการกู้คืน รหัสผ่าน แม้ว่าจะมีการวิจัยอย่างมากมาย บนการแลกเปลี่ยนสีรุ้งอัลกอริทึมที่ใช้จริงในทางปฏิบัติ แตกต่างจากอัลกอริทึมดั้งเดิมที่ได้รับการศึกษาอย่างดี งานนี้ ให้การวิเคราะห์ที่สมบูรณ์ของอัลกอริทึมการแลกเปลี่ยนสีรุ้งนั่นคือ ใช้ในทางปฏิบัติ ไม่เหมือนกับงานที่มีอยู่แล้วบนการแลกเปลี่ยนสีรุ้ง การวิเคราะห์จะทำในรูปแบบหน่วยความจำภายนอกเพื่อให้ ประเด็นสำคัญในทางปฏิบัติของเวลาในการโหลดตารางถูกนำมาพิจารณา บัญชีผู้ใช้. ด้วยเหตุนี้ เราจึงสามารถจัดเตรียมพารามิเตอร์การแลกเปลี่ยนได้ ที่ปรับเวลานาฬิกาแขวนให้เหมาะสมที่สุด ที่สำคัญที่สุดคือ
อย่างไรก็ตาม ในทางปฏิบัติ ตารางการคำนวณล่วงหน้าขนาดใหญ่มาก ของการแลกเปลี่ยนสีรุ้งในตอนแรกต้องอยู่ในดิสก์ที่ช้า และจำเป็นต้องโหลดสิ่งเหล่านี้ลงในหน่วยความจำหลักที่มีขนาดเล็กลงเพื่อ กำลังประมวลผล. สถานการณ์นี้ค่อนข้างแตกต่างจาก RAM แบบจำลองการคำนวณและหน่วยความจำที่ไม่มีการแปลเป็นภาษาท้องถิ่น พฤติกรรมการเข้าถึงของการแลกเปลี่ยนรุ้งเดิมทำให้ การใช้งานตรงไปตรงมาบนคอมพิวเตอร์สมัยใหม่เลยทีเดียว ใช้งานไม่ได้ยกเว้นในกรณีเล็ก ๆ ที่น่าสนใจน้อยกว่า ค้นหาช่องว่าง
มีการวิเคราะห์ทางสถิติจำนวนหนึ่งในบทความนี้ด้วย
มีความสุขในการอ่าน!
คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา
