Analizowanie częstotliwości występowania znaków w szyfrogramie to jeden z typów ataku ze znanym szyfrogramem. Polega na wyszukiwaniu często powtarzających się liter i popularnych sekwencji znaków.
We wszystkich językach różne litery używane są z różną częstotliwością. Dla każdego języka proporcje występowania poszczególnych znaków są nieco inne, więc teksty napisane w danym języku mają pewne wspólne właściwości, które pozwalają je odróżnić od tekstów napisanych w innych językach.
Przykładowo, w języku polskim często występują samogłoski takie jak a, e lub i. Z drugiej strony niezwykle rzadko zdarzają się niektóre spółgłoski, na przykład f lub ć. Istnieją zestawienia częstotliwości występowania liter . Dokładne rozkłady częstotliwości mogą się różnić w zależności od konkretnych rodzajów analizowanych tekstów (naukowych, prasowych, powieści i innych).
Każdy język posiada ponadto pewne typowe dla niego częste połączenia liter. Dla języka polskiego charakterystyczne są dwuznaki ch, cz, dz, dź, dż, rz i sz. Jest to cecha, która wyróżnia tekst w języku polskim od tekstów napisanych w innych językach. Dodatkowo, można dzięki temu lepiej przewidywać oryginalną kolejność liter z pomieszanych wyrazów.
Ataki statystyczne na szyfry podstawieniowe
Analiza częstotliwościowa jest używana do łamania szyfrów podstawieniowych. Ogólna idea polega na znajdowaniu popularnych liter w szyfrogramie i zastępowaniu ich przez litery występujące często w użytym języku.
Napastnik zwykle sprawdza różne możliwe podstawienia i zmienia litery w szyfrogramie. Analizując ujawniające się fragmenty słów tekstu jawnego, można dokonywać kolejnych prób zgadywania pozycji liter w oryginalnym tekście. Przy użyciu komputerów, jest możliwe sprawdzenie bardzo wielu takich kombinacji w relatywnie krótkim czasie.
Przykładowo, jeżeli w analizowanym tekście najczęściej występującą literą jest x, można spodziewać się, że x zastąpiło a lub e (jedne z najbardziej popularnych liter w języku polskim) z tekstu jawnego.
Podczas ataku statystycznego, zazwyczaj sprawdza się nie tylko pojedyncze litery, ale również popularne pary liter, a nawet dłuższe ciągi znaków i całe wyrazy. Dobór poszukiwanych fraz opiera się na wykorzystywaniu popularnych wyrażeń używanych w danym języku.
Przyjmuje się następujący ogólny rozkład częstotliwości występowania liter w języku polskim:
| a | 8,91% |
| ą | 0,99% |
| b | 1,47% |
| c | 3,96% |
| ć | 0,40% |
| d | 3,25% |
| e | 7,66% |
| ę | 1,11% |
| f | 0,30% |
| g | 1,42% |
| h | 1,08% |
| i | 8,21% |
| j | 2,28% |
| k | 3,51% |
| l | 2,10% |
| ł | 1,82% |
| m | 2,80% |
| n | 5,52% |
| ń | 0,20% |
| o | 7,75% |
| ó | 0,85% |
| p | 3,13% |
| q | 0,14% |
| r | 4,69% |
| s | 4,32% |
| ś | 0,66% |
| t | 3,98% |
| u | 2,50% |
| v | 0,04% |
| w | 4,65% |
| x | 0,02% |
| y | 3,76% |
| z | 5,64% |
| ź | 0,06% |
| ż | 0,83% |