最近 Wikipedia 破坏检测竞赛的获胜者表示，可以通过“检测随机键盘击中考虑 QWERTY 键盘布局”来改进检测。
例子：woijf qoeoifwjf oiiwjf oiwj pfowjfoiwjfo oiwjfoewoh
是否有任何软件已经这样做了（最好是免费和开源的）？
如果没有，是否有一个积极的 FOSS 项目，其目标是实现这一目标？
如果没有，您会如何建议实施这样的软件？
问问题
1986 次
5 回答
7
如果分析文本中的两个二元组在 QWERTY 术语中很接近，但在英语中的统计频率接近零（例如对“fg”或“cd”），那么就有可能涉及随机键盘敲击。如果找到更多这样的对，那么机会就会大大增加。
如果您想考虑使用双手进行抨击，那么测试与另一个字母分隔的字母是否为 QWERTY 接近度，但两个二元组（甚至三元组）用于二元组频率。例如，在文本“flsjf”中，您将检查 F 和 S 的 QWERTY 距离，但检查二元 FL 和 LS（或三元 FLS）的频率。
于 2010-09-27T11:51:35.133 回答
3
考虑两个字母序列的经验分布，即“给定字母 a 跟随字母 b 的概率”，所有这些概率都填满了 27x27 大小的表格（将空间视为字母）。
现在，将其与一堆英语/法语/任何文本的历史数据进行比较。使用 Kullback 散度进行比较。
于 2010-09-27T12:04:02.830 回答
2
根据我的经验，大多数键盘混搭往往都在主行。检查是否大部分使用的字符是 . 是相当简单的asdfjkl;。
于 2010-09-27T09:18:23.777 回答
1
采用基于键盘布局的方法将提供一个很好的指标。使用 QWERTY 布局，您会发现任何给定文本中大约 52% 的字母来自键盘字符的顶行。大约 32% 的字符来自中间线，14% 的字符来自底线。虽然这从一种语言到另一种语言略有不同，但仍然存在可以检测到的非常清晰的模式。使用相同的方法来发现其他键盘布局中的模式，然后确保在检查乱码之前检测用于输入的任何文本的布局。即使模式很清楚，最好仅将此方法用作一个指标，因为这种方法最适用于较长的脚本。使用其他指标，例如与字母/数字混合的非字母/数字字符，
于 2015-09-21T03:53:31.127 回答
0
Fredley 的答案可以扩展到从附近字母构造单词的语法。
例如asasasasasdf，可以使用连接as、sa和sd的语法生成df。
使用这样的语法，扩展到键盘上的所有字母（字母彼此相邻）可以在解析后让您衡量使用这种“乱码”语法可以生成多少文本。
警告：当然，任何讨论此类语法并列出“乱码”文本示例的文本的得分都会明显高于常规的拼写检查文本。
请注意，示例方法不会捕获“h4x0r rulezzzzz!!!!!”形式的破坏行为。
这里的另一种方法（可以与上述方法集成）是对被破坏文本的语料库进行统计分析，并尝试获取被破坏文本中的常用词。
编辑：
既然你假设 QWERTY，我想我们也可以假设英语？
KISS 怎么样 - 通过英语拼写检查器运行文本，如果它失败，则得出结论认为它可能是胡言乱语（问题是，为什么要区分快速输入的胡言乱语和随机的废话，或者就此而言与拼写非常糟糕的文本？）
或者，如果要考虑其他键盘布局（Dvorak，有人吗？）和语言，则可以通过所有可用的语言拼写检查器运行文本，然后继续（这也将提供语言自动检测）。
这不是非常有效的方法，但可以用作基线测试。
注意：
从长远来看，我认为破坏者会适应并开始破坏，例如来自其他维基百科页面的摘录，最终很难自动检测为破坏行为（好的，现有文本可以校验和并在重复时引发标记，但是如果文本来自其他来源，最终将很难）。
于 2010-09-27T11:54:16.240 回答