Brainstorming: Datei mit definierter Entropie erzeugen

[PeterPanino]

Hallo und schönen Tag!

Das soll keine Frage um Hilfe oder eine Projektvorstellung werden, sondern eine dynamische Brainstorming Ideen-Sammlung, an der sich möglichst viele User beteiligen.

Ich weiß nicht, ob es so was schon gibt: Dateien für Testzwecke mit definierter Entropie erzeugen.

Wenn man den möglichen Umfang der Entropie einer Datei willkürlich mit dem Wert 100 definiert, dann hätte eine Datei, die nur aus identischen Zeichen besteht (z.B. "eeeeeeee") den Entropiewert 100. Und eine Datei, die nur aus unterschiedlichen Zeichen besteht (z.B. "abcdefgh") den Entropiewert 0.

Wie müsste dann aber eine Datei aussehen, die den Entropiewert 50 (oder 67) aufweist? Wie könnte man die Erzeugung einer Zeichenmenge mit definiertem Entropiewert algorithmisieren?

Lasset das Brainstorming beginnen!

[KodeZwerg]

Dann zeige doch mal in Form von Code wie Du Entropy berechnest und nicht mit Worten erklären, so hat man eine Grundlage.

[PeterPanino]

Für die konkrete Entropie-Messung einer Datei habe ich zwar Code, den ich aber aus Copyright-Gründen nicht weitergeben darf.

Aber hier sind einige Ansätze zu finden:

https://codereview.stackexchange.com...py-of-a-string

Aber es geht ja um die ERZEUGUNG und nicht um die Messung.

[stahli]

Ist die Ziel-Größe der Datei vorgegeben?
Welche Zeichen sind möglich?
Ist egal, welches Zeichen wie oft wiederholt wird?
Ist die Zielentropie exakt vorgegeben oder reicht eine Näherung?

Wenn die Ziel-Größe und Ziel-Entropie exakt erreicht werden muss, ist das sicherlich am schwierigsten zu erreichen.

Einfachster Ansatz:
- "a" hinzufügen
- wenn aktuelle Entropie < Ziel dann wieder "a"
- sonst nächstes freies Zeichen
- wenn ZielGröße und/oder ZielEntropie erreicht ist, abbrechen


Noch eine Frage zum Verständnis:
Wofür brauchst Du das?

[PeterPanino]

Danke für deinen Beitrag. Das wäre sozusagen der "Brutalo"-Ansatz.

Wofür ich das brauche? Rein theoretisches Interesse. Aber im Hinterkopf geistert eine Idee herum, mal einen Generator für Testdateien zu schreiben.

Eine weitere Idee wäre die Möglichkeit Funksprüche aus dem All zu analysieren: Wenn mehrere Funksprüche den gleichen oder einen ähnlichen Entropiewert aufweisen, so könnte das ein Hinweis dafür sein, dass diese Funksprüche von außerirdischen Wesen stammen.

Eine weitere Möglichkeit könnte sich aus der VERMUTUNG ergeben, dass Textdateien verschiedener Sprachen unterschiedliche Entropie-Muster (also der Vergleich der Entropiewerte verschiedener Dateiteile oder Wörter oder Sätze) ergeben und man so auf die jeweilige Sprache schließen könnte.

[Uwe Raabe]

Zitat von PeterPanino:

Und eine Datei, die nur aus unterschiedlichen Zeichen besteht (z.B. "abcdefgh") den Entropiewert 0.

Wenn die Größe der Datei die Anzahl Zeichen überschreitet, kann demnach eine Entropie von 0 nicht mehr realisiert werden. Eventuell muss man die Entropie-Definition da noch etwas flexibler formulieren. Alternativ gibt die Zeichenmenge eben die maximale Dateigröße an.

Ist ja hier Brainstorming, also schreibe ich mal einfach drauflos:
- Gegeben sind N verschiedene Zustände und eine Menge von ebenfalls N dieser Zustände, die nicht zwingend unterschiedlich sein müssen.
- Die Entropie der Menge ist 0, wenn alle Zustände unterschiedlich sind und 1 (= 100%), wenn alle Zustände gleich sind.
- Daraus folgt, daß N > 1 sein muss.
- Die Anordnung der Zustände in der Menge ist irrelevant für die Berechnung der Entropie.
- Sei X die Anzahl der unterschiedlichen Elemente in der Menge, dann errechnet sich die Entropie aus E = (N-X)/(N-1).

[PeterPanino]

Zitat von Uwe Raabe:

- Die Anordnung der Zustände in der Menge ist irrelevant für die Berechnung der Entropie.

Also müssten in einem Test verschiedene Anordnungen der selben Zeichen insgesamt den selben Entropiewert ergeben.

[Uwe Raabe]

Zitat von PeterPanino:

Also müssten in einem Test verschiedene Anordnungen der selben Zeichen insgesamt den selben Entropiewert ergeben.

Nach meiner Definition der Entropie, ja. Ist aber halt nur ein Vorschlag, der noch diskutiert werden kann. Bei einem Zeichensatz von "abcdefgh" hätten z.B. "abbbbbb" und "aaaabbbb" dieselbe Entropie, obwohl im ersten Fall nur ein Zeichen von E = 1 entfernt ist, im zweiten aber vier.

[PeterPanino]

Ich habe jetzt die Entropiewerte von 2 Textdateien verglichen:

Textdatei 1:

Zitat:

Grüne
SPD
FDP
CSU
CDU

Textdatei 2:

Zitat:

CDU
CSU
FDP
SPD
Grüne

Beide ergaben den SELBEN Entropiewert: 3,49366068968819

Damit hat sich die Hypothese von Uwe als richtig erwiesen!

[PeterPanino]

Demgegenüber ergab diese Textdatei:

Zitat:

FDP
CSU
CDU
Violette
Blaue

... diesen Entropiewert: 3,88172767886974