用神经语言模型破解历史词典密码
计算与语言
2020-10-13 v1
摘要
我们通过构建解码格并使用神经语言模型在该格中搜索，来求解困难的基于词的替换密码。我们将方法应用于18世纪末至19世纪初美国陆军将军James Wilkinson与西班牙王室代理人之间交换的一批加密信件，这些信件取自美国国会图书馆。我们能够正确破译75.1%的密文词元。
引用
@article{arxiv.2010.04746,
title = {Solving Historical Dictionary Codes with a Neural Language Model},
author = {Christopher Chu and Raphael Valenti and Kevin Knight},
journal= {arXiv preprint arXiv:2010.04746},
year = {2020}
}
备注
10 pages, 6 figures. To appear in EMNLP 2020