2007-07-27  スキャンティ・システム―その2―

「スキャンティ・システム」とは，某掲示板の投稿文を統計分析するツールの開発名です。

名前の由来を少々。「スキャンティ（＜英＞scanties）」とは婦人用のきわどい下着のことです。これまで私が手掛けていた製品の開発名には，「ロリエ」「サラサーティ」「エリス」などがあります。「スキャンティ」という名前は，それらよりも表層にあるもの，人の心を惑わす力があるものという願いを込めてつけました。いつものことですが，真面目に考えているわけではありません（なぞ）。

さて，今回はスキャンティ・システムの全体計画をお話します。このシステムの開発はおおまかに，みっつの段階（STEP1，STEP2，STEP3）に分けることができます。

STEP1

情報を整理する準備。（STEP1の内容は実装済みです。）

• データクローラ ― データ取得。掲示板の更新頻度を算出し，取得頻度を調節する
• データベース ― 情報を整理，索引付けする
• データベース・クライアント ― データベースを操作するための簡単なアプリケーション

STEP2

現象の全体像を把握する。

• 位置情報 ― おさかんスポットの場所（緯度，経度）を事前に登録し，場所から投稿文を検索できるようにする
• 洗練化 ― 投稿文に含まれる伏せ字を除去し，検索精度を高める
• 視覚化 ― 時間・空間の関係を図にする。いわゆる「おさかん予報」

STEP3

全体から個へ。特定個人の行動を統制する。

• 個体識別 ― 携帯電話の機種，IPアドレス，語彙，改行の癖などを元に個体識別番号を生成する
• 誘導弾 ― 掲示板上に仮想人物を出現させ，意図した時間，場所に対象人物を誘い込む
• パスワード解析 ― 投稿文に掛けられた削除パスワードを解析する。障害となる投稿（おもに誘導弾を暴露する内容）を撤去するために使う

――上記の中で，私がいちばん面白そうだなと思うのがパスワード解析です。これはSHA-1（ハッシュ関数）の総当りです。業界の人なら察しがつくと思いますが，SHA-1の解析は困難です。いくら高速なコンピュータを駆使しても，現実的な時間では解けないと言われています。ところで解けない理由は，出力から入力を推測できないからです。でもパスワードは常にデタラメな文字列というわけではありません。入力に統計的な偏りがあるとしたら，どうでしょうか。「偏り」を把握できていれば，施行回数を減らせるような気がします。

そのような統計的な偏りを調べる方法のひとつが，過去にお話した「ミカちゃん計画」なのです。ミカちゃんって，いつものようにふざけた名前ですが実力も未知数です。ミカちゃんの話は別の機会にでも。