LLM Perplexity와 Contextual Scoring으로 구현한 자동 암호 해독기 DecipherLM

Context

단일 키가 아닌 라인별로 다른 Shift 값이 적용된 Mixed-Shift Caesar cipher 구조. 짧은 텍스트 특성상 전통적인 빈도 분석 방식으로는 정확한 복구가 불가능한 한계.

Technical Solution

• LLM의 Perplexity(PPL) 스코어링을 활용하여 25가지 Shift 후보 중 영어 문장 확률이 가장 높은 최적의 키를 탐색하는 방식
• 전체 텍스트 평균 PPL 기반의 Global Master Key 방식에서 라인별 최적 키를 찾는 개별 스코어링 방식으로 전환
• Global Minimum과 Local Mode의 합집합으로 Trusted Pool을 구성하여 무작위 노이즈 Shift를 제거하는 제약 조건 설계
• Qwen2.5-0.5B 모델을 도입하여 기존 SLM 대비 뛰어난 문자 수준 인지 능력 및 토큰 분포 안정성 확보
• 이전 복구 라인 2개를 현재 라인에 결합하여 분석하는 Contextual Scoring 기법으로 서사적 흐름 기반의 복구 정확도 향상

Impact

• Contextual Consensus 아키텍처 적용 후 최종 복구 정확도 100% 달성

Key Takeaway

단순한 통계적 수치(Perplexity)만으로는 해결되지 않는 모호성을 이전 상태의 맥락(Contextual History)을 주입함으로써 해결하는 시퀀스 데이터 처리 전략.