在上一节，我们见识了单表替换密码的威力——它的密钥空间大得惊人，理论上无法暴力破解。然而，历史告诉我们，这种密码早在公元9世纪就被阿拉伯学者攻破了。破解的方法不是靠蛮力，而是靠一种巧妙的统计技巧：频率分析。
语言的指纹
你有没有注意过，我们说话时用的每个字母，出现的频率其实不一样？
以英文为例，随便找一段文章统计一下，你会发现：
- 字母 E 出现的次数最多，约占12.7%
- 其次是 T（9.1%）、A（8.2%）、O（7.5%）、I（7.0%）、N（6.7%）
- 而 Z、Q、X 则少得可怜，加起来不到1%
这就是语言的“指纹”——每种语言都有自己的频率分布。法语中E也最多，但后面跟着的是A、I、S等；德语中E同样领先，但C、Y等出现较少；中文虽然不适用字母统计，但汉字的出现频率同样不均匀（比如“的”字远多于其他字）。
这个规律，在单表替换密码中会原封不动地保留下来。
为什么保留？
回想一下单表替换的规则：每个明文字母都被固定替换成另一个密文字母。比如：
- 明文 E → 密文 X
- 明文 T → 密文 Q
- 明文 A → 密文 M
那么，如果明文中E出现了100次，密文中X就一定会出现100次。换句话说，明文的频率分布，只是换了个“外衣”，完完整整地转移到了密文身上。
这就是单表替换的致命伤。
第一次破解
频率分析最早是谁发明的？历史学家认为，它很可能诞生在9世纪的阿拉伯世界。
当时，阿拉伯帝国是数学和科学的中心，学者们对数学、统计学有着浓厚的兴趣。一位名叫肯迪（Al-Kindi）的学者，写了一本名为《关于破译加密消息的手稿》的书。书中详细描述了如何利用字母频率破解密码。这本书被认为是世界上最早的密码分析著作。
肯迪在书中写道：
“破解加密消息的一种方法是，如果你知道消息所用的语言，那么就找到这种语言中每个字母出现的频率。然后，统计密文中每个字母出现的次数，把出现次数最多的字母替换成语言中最常见的字母，以此类推……”
这段话，就是频率分析的核心思想。
实战演练：破解一封密信
让我们亲手体验一下频率分析的威力。假设你截获了这样一封密信（为了方便阅读，我们保留了单词间的空格，但在实际破解中，空格往往是未知的）：
GSV ZXG HXG LM GSV NXG |
你的任务是把它还原成英文。
第一步：观察密文结构
密文由6个“单词”组成，长度分别为3、3、3、2、3、3。英文中常见的三字母词有THE、AND、FOR等，两字母词有ON、IN、AT等。这暗示可能是一个简单的句子。
第二步：统计字母频率
将密文所有字母列出（忽略空格）：
G S V Z X G H X G L M G S V N X G
统计每个字母出现次数：
- G: 4次
- X: 3次
- S: 2次
- V: 2次
- H: 1次
- Z: 1次
- L: 1次
- M: 1次
- N: 1次
按照英文频率，最常见的字母是E（约12%），其次是T、A、O等。这里G出现4次，很可能是E或T。我们暂设G = T（因为T也很常见）。
第三步：猜测常见单词
密文中有一个重复出现的三字母词 GSV，出现了两次（第一个和第五个单词）。如果G = T，那么GSV很可能是 THE（英文中最常见的三字母词）。假设GSV = THE，则：
- G → T
- S → H
- V → E
这个映射看起来合理，而且没有冲突。我们先采用这个假设。
第四步：继续推导
现在看第二个单词 ZXG。已知G = T，X未知，Z未知。如果ZXG是一个常见的三字母词，可能是 CAT、HAT、BAT 等。假设它是 CAT，那么：
- Z → C
- X → A
- G → T
这样，X = A，Z = C 就确定了。而且CAT确实是一个常见词。
第三个单词 HXG，已知X = A，G = T，所以HXG = H A T，很可能是 HAT。那么H → H（即密文H对应明文H自身）。这没有问题。
第四单词 LM，是两个字母。常见的两字母词有ON、IN、AT等。我们稍后确定。
第五单词 GSV 已经是THE。
第六单词 NXG，已知X = A，G = T，所以NXG = N A T，可能是 MAT、BAT、CAT 等。我们已经有了CAT和HAT，这里可能是 MAT，即N → M。那么N对应明文M。
现在回到第四单词 LM。如果LM是 ON，则L → O，M → N；如果LM是 IN，则L → I，M → N。注意，我们已经有N → M（密文N对应明文M），所以密文M不能同时对应明文N（除非M = N，但那是同一个字母，不行）。所以我们需要检查一致性。
如果LM是ON，则L → O，M → N。那么密文M对应明文N，而之前N → M，正好是一对互换，这很合理（A↔Z式的替换）。如果LM是IN，则L → I，M → N，那么密文M对应N，而N → M，也是一对互换，同样可能。哪个更可能？ON比IN在英语中更常见一些，尤其作为介词。我们暂时假设LM = ON，即L → O，M → N。
至此，我们得到了完整的映射表：
| 密文字母 | G | S | V | Z | X | H | N | L | M |
|---|---|---|---|---|---|---|---|---|---|
| 明文字母 | T | H | E | C | A | H | M | O | N |
注意H映射到H自身，这允许。
第五步：还原整句
现在把映射应用到整个密文：
- GSV → T H E → THE
- ZXG → C A T → CAT
- HXG → H A T → HAT
- LM → O N → ON
- GSV → THE
- NXG → M A T → MAT
得到句子：THE CAT HAT ON THE MAT
这个句子在语法上成立（“猫的帽子在地垫上”），虽然不太常见，但每个单词都是正确的英文单词。更重要的是，它展示了频率分析和单词模式如何一步步揭开密文的面纱。
为什么这个例子有效？
在这个例子中，我们利用了：
- 高频字母：G出现最多，被猜为T（实际也正确）。
- 常见单词模式：GSV是重复的三字母词，被猜为THE。
- 上下文一致性：一旦确定部分映射，其他单词的猜测就变得容易。
当然，实际破解中可能需要处理更长的文本、更多的试错，但原理完全一样。
频率分析的局限性
频率分析虽然强大，但也有弱点：
- 短文本：如果密文只有几十个字母，统计频率可能不准。比如一封只有几个词的短信，可能恰好没有E，或者某个低频字母出现很多次。
- 故意干扰：发信人可以故意删除所有空格、混用大小写、插入无意义字符，增加分析难度。
- 语言变体：如果明文是其他语言，或者刻意模仿另一种语言的频率，也会增加难度。
但在16世纪，当一封密信长达几百个词时，频率分析几乎百发百中。
历史的回响
频率分析的发现，彻底改变了密码学的格局。从此，密码设计师不得不思考：如何让密文不泄露明文的统计特征？
这个挑战，最终催生了下一节要讲的维吉尼亚密码——它试图用“多表替换”的方式，让同一个字母在不同位置有不同的替身，从而抹平频率分布。
但那是后话了。现在，你已经掌握了古人破解单表替换的秘密武器。下次看到一封神秘的密信，不妨自己动手试试——你可能会发现，自己也能当一回古代的密码分析师。
你知道吗？ 爱德华·爱伦·坡的小说《金甲虫》中，主人公就是利用频率分析破解了一份藏宝图密文。这是文学作品中最早出现密码分析的情节之一。