Sunday, April 7, 2013

ကွန်ပျူတာသိပ္ပံ ကိန်းသီအိုရီ နှင့် ဝှက်စာပညာ


ကိန်းသီအိုရီ မိတ်ဆက်

ကိန်းသီအိုရီ (Number Theory) ဆိုတာ တကယ်တော့ ကိန်းပြည့်တွေကို လ့လာတဲ့ ပညာပါ။ ဒီကိန်းပြည့်တွေကို ကျွန်တော်တို ဟာ ဘာကြောင့် အထူးတလည် တကူးတက လ့လာရတာလဲဆိုတာ မဆွေးနွေးခင် ပထမဆုံးအနေနဲ  ကိန်းသီအိုရီမှာပါ၀င်နေတဲ့ အဓိက စကားလုံးတွေကို နည်းနည်းလေး ပန်နွှေးပါရစေ။

#Integer (ကိန်းပြည့်) သုညအပါအ၀င် အပေါင်းကိန်းပြည့်များအားလုံး နှင့် အနှုတ်ကိန်းပြည့်များအားလုံး။

#Prime number (သုဒ္ဓကိန်း - ထပ်မံခွဲစိပ်၍ မရသောကိန်း) တစ်နှင့် သူကိုယ်တိုင်မှလွဲ၍ တခြား အပေါင်းကိန်းဖြင့်စား၍ မပြတ်သော တစ်ထက်ကြီးသည့်ကိန်း။( 2, 3, 5, 7, 11, 13, 17, etc)

#Composite number (တစ်ထက်ကြီးသော သုဒ္ဓကိန်းမဟုတ်သည့် ကိန်းမှန်သမျှ) 4, 6, 8, 9 etc

#1 သည် composite လည်းမဟုတ်၊ prime လည်းမဟုတ်။

#ဂဏန်းသင်္ချာ၏ အခြေခံသီအိုရီ (The Fundamental Theorem of Arithmetic) “အပေါင်းကိန်းပြည့်တိုင်းကို prime number များ မှက်ခြင်းဖြင့်ဖော်ပြနိုင်သည်။”

ဥပမာ 7 = 7, 21 = 3 * 7, 30 = 2 * 3 * 5, 100 = 2 *2 * 5 * 5

61 394 323 221 = 3*3*3*7*11*11*37*37*37*53

#စားခြင်းသီအိုရမ် (Division Theorem) “စားကိန်းနဲ  စားလာဒ်  မှာက်၊ အကြွင်းနဲ ပါင်း၊ မူလကိန်းပြန်ရ” [စားကိန်းသည် သုညထက် ကြီးရမည်။]

n = qd + r ( Where 0 ≤ r < d ) [d divisor, q quotient, r remainder]

အကြွင်းဆိုင်ရာဥပမာ

rem(2716, 10) = 6 (ဆိုလိုတာက 2716 ကို 10 နဲ စား တာ့ 6 ကြွင်း ပါ့။)

အနှုတ်ကိန်းကိုစားလို ကြွင်းတဲ့ဥပမာ

rem(-11, 7) = 3

Division Theorem ရဲ့ ညီမျှခြင်းအရ -11 = (-2) * 7 + 3

ဒီနေရာမှာ စိတ်၀င်စားစရာကောင်းတာက C++, Java, C# မှာရှိတဲ့ % (modulus operator) က -11%7 = -4 လို တညီတညွတ်တည်း ပကြလေရဲ့။ အမှန်တော့ ကိန်းသီအိုရီလည်းမမှား၊ ကွန်ပြူတာတို  programming language တို လည်း မမှားပါဘူး။ modulus နဲ  remainder တို ရဲ့ မတူညီတဲ့သဘောသဘာ၀ကို မိတ်ဆွေ မင်ရတာသာဖြစ်ပါတယ်။ ဒီဆောင်းပါးမှာတော့ သင်္ချာပညာရပ်ဆိုင်ရာတွေ များပြားနေမှာစိုးလို  မဆွေးနွေးတော့ပါဘူး။ မိတ်ဆွေတို စိတ်၀င်စားတယ်ဆိုရင် ကိုယ်တိုင်သာ အသေးစိပ် ဆက်လက်လေ့လာကြပါလို  ပန်ကြားလိုပါတယ်။

#Perfect Number (ပြီးပြည့်စုံကိန်း) “၁ အပါအ၀င် ကိန်းတခုကို စားလို ပတ်တဲ့ကိန်းအားလုံး ပါင်းလိုက်လို  မူလကိန်းပြန်ရရင် အဲဒီကိန်းဟာ ပီးပြည့်စုံကိန်း”။

ဥပမာ 6 ကို 1, 2, 3 တို နဲ စားလို ပတ်တယ်။ ဒါ့အပြင် ၆ = ၁ + ၂ + ၃။  နာက် ဥပမာတခုက 28 ကို 1, 2, 4, 7, 14 တို နဲ စားလို ပတ်တယ်။၂၈ = ၁ + ၂ + ၄ + ၇ + ၁၄။ ဒါကြောင်  ၆ တို  ၂၈ တို ဟာ perfect number တွပေါ့။ တခြားဥပမာအနေနဲ  ၁၀ တို  ၁၂ တို ကျတော့ perfect number မဟုတ်ဘူး။ ဘာလို တုန်းဆိုတော့ ၁၀ ကို စားနိုင်တဲ့ကိန်းတွေက ၁ + ၂ + ၅ ပါင်းတော့ ၈ ပဲရတယ်။ ၁၂ ကို စားနိုင်တဲ့ကိန်းတွေက ၁ + ၂ + ၃ + ၄ + ၆ ပါင်းရင် ၁၆ ရမယ်။ မူလကိန်း ပန်မရဘူး။ ဒါကြောင့် ပီးပြည့်စုံသောကိန်း တွမဟုတ်ဘူး။

BC 300 လာက်ကတည်းက သင်္ချာပညာရှင်ကြီး ယူကလစ် (Euclid) က စုံ(even)ကိန်း  ဖစ်တဲ့ perfect number တွကို စုဆောင်းရှာဖွေခဲ့တယ်။ အဲဒီမှာ မးခွန်းတခု ပါ်လာတော့တာပဲ ။ “ပြီးပြည့်စုံသော မ’ ကိန်း odd perfect number တွရော ရှိသလား” ဆိုတာပါ။ ယူကလစ်ခေတ်ကနေ အခုနှစ်ပေါင်းနှစ်ထောင် ကျာ်လာတဲ့ ဒီနေ ထက်ထိ အဲဒီမေးခွန်းရဲ့အဖြေကို မသိသေးပါဘူး။ ကိန်းတန်ဘိုး ပမာဏ ( 10 300) ten to the power three hundreds အထိ လက်ရှိလေ့လာပြီးသလောက်တော့ ပီးပြည့်စုံတဲ့ မကိန်းကို မတွေ သးဘူး။ ဒါပေမယ့်လည်း ခက်တာက ဘယ်သူကမှ odd perfect number မရှိဘူးလို  သက်သေမပြနိုင်သေးဘူး။

ကဲ မိတ်ဆွေမြင်တဲ့အတိုင်းပါပဲ။ ကျွန်တော်တို Number theory အကြောင်း ဆွးနွေးတာ စာတမျက်နှာတောင်မရှိသေးတဲ့ အချိန်မှာကိုပဲ၊ လူ အသိဉာဏ်ရဲ့ တစ်ဖက်ကမ်း လက်ရှိကွန်ပြူတာတွေရဲ  တွက်ချက်နိုင်မှုစွမ်းရည် (computational power) ရဲ့ ဘာင် အပြင်ဖက်ရောက်သွားပြီ ဆိုတာတွေ ရမှာပါ။ ဒါကြောင့် Number Theory နဲ  ပတ်သက်ရင် “အမေး နွားကျောင်းသား၊ အဖြေ ဘုရားလောင်း” ဆိုတာလို အလွယ်တကူ မးစရာမေးခွန်းတွေ အများအပြားရှိနေပေမယ့်လည်း၊ တချို  မးခွန်းတွေအတွက် အဖြေကိုတော့ အားလုံး သဘောပေါက် နားလည်လက်ခံတဲ့ အဆင့်ထိ ရှင်းလင်းတင်ပြဖို ဆိုတာ အလှမ်းေ၀းနေဆဲ အဆင့်မှာသာ ရှိပါသေးတယ်။

ဘာကြောင့် ကိန်းသီအိုရီကို လ့လာရတာလဲ

“နေစမ်းပါဦးဗျ။ ဒီ 1, 2, 3, 4 တို ၊ 5, 7, 11, 13 တို ၊ ၁၀ ကို ၃ နဲ စား တစ်ကြွင်း တို  ဆိုတာလောက်တော့ တတန်း နှစ်တန်းခလေးတောင်သိသေးတာဗျာ။ ကျုပ်တို လို ဆာ့ဖ်၀ဲသမားတွေက ဘာဖြစ်လို ရးကြီးခွင်ကျယ်လုပ်ပြီး လ့လာနေဖို လိုတာတုန်း။ အဲဒါတွေ လ့လာတော့ လက်တွေ ဘာအကျိုးရှိတုန်း၊ အဲဒါတွေ ဘယ်နေရာမှာ အသုံးချလို ရတုန်း” လို မးမယ်ဆိုရင် အဖြေက ဒီလိုပါ။

ဒီ Number Theory ဟာ ခတ်သစ်၀ှက်စာပညာရပ် (modern cryptography) မှာ အဓိကနေရာကပါ၀င်နေတယ်။ အဲဒီ၀ှက်စာပညာရပ်ဆိုတာလည်း ဒီနေ ခတ် အွန်လိုင်းဆက်သွယ်ရေး( online communication) ရဲ့ အသက်သွေးကြောတမျှ အရေးကြီးပါတယ်။ နိုင်ငံတနိုင်ငံရဲ့ စစ်ရေး စီးပွားရေး နဲ  သတင်းထောက်လှမ်းရေး ဆိုင်ရာအချက်အလက်တွေ၊ နာက်ဆုံးပေါ် စမ်းသပ်တည်ထွင်ဆဲ သိပ္ပံနဲ  နည်းပညာပိုင်း ဆိုင်ရာအချက်အလက်တွေ စတဲ့အရေးကြီး data တွကို  ပိုင်ဖက်နိုင်ငံတွေ ရန်လိုတဲ့နိုင်ငံတွေ အန္တရာယ်ပေးနိုင်တဲ့ အဖွဲ အစည်းတွေရဲ့လက်ကို အလွယ်တကူမရောက်နိုင်အောင်၊ ကမ္ဘာလုံးဆိုင်ရာ ကုမ္ပဏီတွေ ကာ်ပိုရေးရှင်းကြီးတွေရဲ့ အရေးကြီး အချက်အလက်တွေ အီးမေးလ်တွေ ကိုတတ်နိုင်သမျှ လုံခြုံအောင်ဆောင်ရွက်ထားဖို  စတဲ့ကိစ္စတွေ၊ လူတွေရဲ့ န တဓူ၀ on-line ငွပေးငွေယူကိစ္စတွေဆောင်ရွက်တဲ့အခါ အကြွေး၀ယ်ကဒ် (credit card) လက်ငင်း၀ယ်ကဒ်(debit card) ဘဏ်စာရင်းနံပါတ်(account number) စတာတွေကို လျှို ၀ှက်လုံခြုံ အာင်လုပ်ဆောင်နိုင်ဖို စတဲ့ကိစ္စတွေမှာ ၀ှက်စာပညာဟာ မရှိမဖြစ်ပဲမဟုတ်ပါလား။ ဟာဒီ အင်တာနက်ကြီးပေါ်က ၀ှက်စာပညာရပ်တွေကိုသာဖယ်ထုတ်လိုက်မယ်ဆိုရင် လူတိုင်းလူတိုင်းရဲ့ဘ၀ဟာ ပုဂ္ဂိုလ်ရေးလွတ်လပ်ခွင့်တွေ အားလုံးဆုံးရှုံးသွားနိုင်ပြီး၊ နိုင်ငံတိုင်း နိုင်ငံတိုင်းရဲ့ အခြေအနေဟာ ဘးကင်းလုံခြုံမှုမရှိတော့တဲ့ အကာအကွယ်မဲ့ အနေအထားကို ရာက်သွားမှာပဲဖြစ်ပါတယ်။ ကုန်ကုန်ပြောရရင် ဒီNumber Theory ကို အသုံးချထားတဲ့ ၀ှက်စာရေးနည်း ၀ှက်စာပြန်ဖေါ်နည်းတွေဟာ လူသန်းပေါင်းများစွာရဲ့ အသက်ကို အဆုံးအဖြတ်ပေးခဲ့တဲ့ စစ်ပွဲတွေ အာင်နိုင်ရေးအတွက်မှာတောင် အချက်အချာနေရာက ပါ၀င်နေခဲ့ ပါ၀င်နေဆဲ နာက်နောင်လည်း ပါ၀င်နေဦးမှာ ဖစ်တယ်ဆိုတာပါပဲ။ ထင်ရှားတဲ့ သက်သေသာဓကအနေနဲ  ဒုတိယကမ္ဘာစစ်ကာလတုန်းက နာဇီဂျာမဏီရဲ့ ရတပ်က စစ်သငေ်္ဘာတွေ ရငုပ်သငေ်္ဘာတွေ အချင်းချင်းပို တဲ့ ၀ှက်စာတွေကို၊ ကွန်ပြူတာသိပ္ပံပညာရပ်ရဲ့ ဖခင်ကြီး ထားရင်း (Alan M. Turing) ဦးဆောင်တဲ့ ဗိတိသျှ code breaker အဖွဲ က ဖည်နိုင် ဖါ်နိုင်ခဲ့လို သာ အနောက်ဥရောပစစ်မျက်နှာမှာ အင်္ဂလန်က ဂျာမဏီကို ကြံ့ကြံ့ခံ တားဆီးနိုင်ခဲ့တာပါ။ အကျိုးဆက်အနေနဲ လည်း ဂျာမဏီ စစ်ရှုံးပြီး မဟာမိတ်တို  စစ်အောင်နိုင်ခဲ့တာပဲ။ အဲဒီစစ်ပွဲရဲ့ အနိုင်အရှုံးရလာဒ်ဟာ ကမ္ဘာ့လူသားတွေအပေါ် ဘယ်လောက်ထိ အကျိုးသက်ရောက်မှုရှိခဲ့တယ်ဆိုတာ သမိုင်းအခြေခံ နည်းနည်းပါးပါးလေ့လာဖူးသူတိုင်း သိကြမယ်ထင်ပါတယ်။

၀ှက်စာပညာရပ် (cryptography)

၀ှက်စာပညာဆိုတာ တကယ်တော့ လွန်ခဲ့တဲ့ နှစ်ပေါင်း သုံးထောင်ကျော်ကတည်းက စတင်ပေါ်ပေါက်ခဲ့ အတတ်ပညာဆန်တဲ့ အနုပညာတရပ်ပါ။ အခုနောက်ဆုံး ဆယ်စုနှစ် အနည်းငယ်အတွင်းမှာ သီအိုရီကွန်ပြူတာသိပ္ပံရဲ့ အားဖြည့်ပေါင်းစပ်မှုကြောင့် ပုံသဏန်ရော အနှစ်သာရပါ အများကြီး ပာင်းလဲလာခဲ့ပါပြီ။ ဒါ့အပြင် ဒီ၀ှက်စာပညာရပ်ဟာ သီအိုရီကွန်ပြူတာသိပ္ပံရဲ့ လက်တွေ  အသုံးချနယ်ပယ်အတွက် ထင်ရှားတဲ့သက်သေတရပ်လည်းဖြစ်ပါတယ်။ ကဲ ဒီတော့ ပထမဆုံးအနေနဲ  ၀ှက်စာရေးနည်းတွေကိုမလေ့လာခင် ၀ှက်စာပညာရပ်မှာသုံးစွဲနေကြ အရေးကြီးတဲ့ စကားလုံးတွေကိုပဲ အရင်ဆုံးပြန်နွှေးလိုက်ကြပါဦးစို ။

Plaintext message = မ၀ှက်ရ မကွယ်ရ ပုံမဖျက်ရ သးတဲ့ မူရင်းအတိုင်းရှိနေတဲ့ သတင်းစကား။ (စာတတ်တဲ့) လူတိုင်းဖတ်နိုင်တဲ့ သတင်းအချက်အလက်။

Encrypt / Encode/ Encipher = အကုန်လုံး ကြိယာပုံစံတွေပါ။ ခုနက plaintext တွကို ၀ှက်စာရေးနည်းတခုခုသုံးပြီး လျှို ၀ှက်သငေ်္ကတတွေ ကုဒ်တွေ ၀ှက်စာတွေ ဖစ်လာအောင် ပာင်းရေးတာကို ဆိုလိုတာပါ။ အဲဒီလိုရေးပြီးတဲ့အခါ ခုနက plaintext တွဟာ ခုခါမှာ encrypted message, encoded text, ciphered text စသည်ဖြင့် အဲဒီလိုခေါ်နိုင်တဲ့ ၀ှက်စာတွေ ဖစ်လာပြီပေါ့။

Decrypt / Decode/ Decipher = ဒါတွေအကုန်လုံးကလည်း ကြိယာပုံစံတွေပါ။ ကွယ်ထား ၀ှက်ထားတဲ့ ကုဒ်သငေ်္ကတတွေ ၀ှက်စာတွေကို မူရင်း plaintext အတိုင်း ပန်ဖြစ်လာအောင် ၀ှက်စာဖြည်နည်း တခုခုကို သုံးပြီး အဓိပ္ပါယ်ဖေါ်တယ် ပန်ပြောင်းရေးတယ်ပေါ့။ အပေါ်မှာတင်ပြခဲ့သလိုပဲ ဒီနေရာမှာ Decrypted, Decoded, Deciphered တို ဟာ adjective ပုံစံတွေပါ။

ဒီ Encrytption ရာ Decryption ရာပါ၀င်တဲ့ ဖစ်စဉ် (process) တွ အားလုံးကို cryptography ၀ှက်စာ(ရေးနည်း/ဖြည်နည်း)ပညာရပ်လို  ခါ်တာပါ။

ဒီနေရာမှာ နာမ် (noun) ပုံသဏ္ဌန်ရှိနေတဲ့ Cipher ဆစ်ဖာ/ဆိုက်ဖာ ဆိုတာ ၀ှက်စာရေးနည်း ၀ှက်စာကိုပြန်ဖြည်နည်းပါ။ အင်္ဂလိပ်လိုက ပိုရှင်းမယ်ထင်ပါတယ်။ “Ciphers are algorithms used to encrypt or decrypt data.” ပါ့ဗျာ။ အဲဒီလို ၀ှက်စာရေးနည်းတွေကို၊ ရှးရိုးဂန္ထ၀င်နည်း နဲ  ခတ်သစ်နည်း ဆိုပြီး ၂-အုပ်စု ခွဲနိုင်ပါတယ်။

ရှေးရိုးစနစ်မှာ

၁. Substitution ciphers (မူရင်း bit, character, block of data တွကို တခြားမတူညီတဲ့ bit, character, block of data တွနဲ  အစားထိုး လဲလှယ်လိုက်တဲ့နည်း ) နဲ

၂. Transpositions ciphers (မူရင်း plain text ထဲမှာပါတဲ့ စာလုံး(letter)တွေကို အထားအသိုအသစ်ဖြစ်သွားအောင် ရွှ (shifted) တဲ့နည်း) ဆိုပြီး ခွဲခြားနိုင်ပါတယ်။

တခါ ခတ်သစ်၀ှက်စာရေးနည်းတွေကိုတော့

၁. သုံးတဲ့ key ပါ်မူတည်တဲ့နည်း (အဲဒီမှာမှ private key နဲ  public key ဆိုပြီး နှစ်မျိုးထပ်ခွဲပါတယ်) နဲ

၂. ပို တဲ့ data ပါ်မူတည်တဲ့နည်း (Block cipher နဲ  Stream cipher) ဆိုပြီး ခွဲခြားနိုင်ပါတယ်။ ပုံမှာကြည့်ပါ။



Fig: Types of classical ciphers and modern ciphers

ဆီဇာရဲ့ ၀ှက်စာ (Caesar’s Cipher)

သမိုင်းတစ်လျောက် ရှးအကျဆုံး၀ှက်စာရေးနည်းတွေထဲက တခုကတော့ ရာမဧကရာဇ် ဂျူးလိယက်ဆီဇာ(Julius Caesar) သုံးခဲ့တဲ့နည်းပါ။ သူ ရဲ့စနစ်က အင်္ဂလိပ် အက္ခရာစဉ်အတိုင်း စာလုံးတွေကို သတ်မှတ်ထားတဲ့ နရာ ကိန်းဂဏန်းတန်ဘိုးတခုအတိုင်း ဘယ်ဖက် သို မဟုတ် ညာဖက်ကို ရွှ လိုက်တာပါ။ ဆိုလိုတာက မူရင်းစာလုံးကို၊ ရွှ လို ရလာတဲ့ စာလုံးနဲ  အစားထိုးလိုက်တဲ့အခါ ၀ှက်စာသဘောမျိုးရလာတာပါပဲ။ ဥပမာ မူရင်းစာလုံးက DEMOCRITUS၊ ၀ှက်စာဖြစ်ဖို  ညာဖက်ကိုသုံးပေါင်းထည့်မယ် ညာဖက်ကိုသုံးနေရာရွှေ မယ် ဆိုပါတော့။ ဒါဆိုရင် D က G ဖစ်သွားမယ်၊ E က H… စသည်ဖြင့် ဖစ်လာမှာပေါ့။ အဲဒီလိုနည်းနဲ  DEMOCRITUS ဆိုတဲ့ မူရင်းစာအတွက် GHPRFULWXV ဆိုတဲ့ ၀ှက်စာတခု ရလာပါပြီ။ ဘယ်ဖက်ကို ရွှ မယ်ဆိုရင်လည်းရပါတယ်။ ဥပမာဘယ်ဖက်ကို သုံးနေရာရွှေ မယ်ဆိုပါတော့ ဒါဆိုရင် E က B ဖစ်လာမယ်၊ A က X ဖစ်လာမယ်..စသည်ဖြင့်ပေါ့..ပုံမှာကြည့်လိုက်ပါ။ ပိုရှင်းသွားမယ်ထင်ပါတယ်။



Fig: ဘယ်ဖက်သို  သုံးနေရာရွှေ လျှင်ဖြစ်လာမည့် ဆီဇာ၏၀ှက်စာ

ဒါပေမယ့်လည်း ၀ှက်စာတခုရဲ့တန်ဘိုးဟာ သက်ဆိုင်သူတွေကလွဲရင် တခြား ကြားဖြတ်ဖေါက်ထွင်းခိုးယူသူတွေ အနေနဲ  အလွယ်တကူ ပန်ဖြည်နိုင်ခြင်း ရှိမရှိ၊ ၀ှက်စာရဲ့ အဓိပ္ပါယ်ကို ပန်ဖေါ်နိုင်ခြင်း ရှိမရှိဆိုတဲ့ အပေါ် မူတည်ပါတယ်။ ဆီဇာရဲ့၀ှက်စာကတော့ မိတ်ဆွေမြင်တဲ့အတိုင်းပါပဲ။ အများဆုံး ဖစ်နိုင်ချေအဖြေ သို မဟုတ် ရွှ နည်းဟာ ၂၅ မျိုးပဲရှိတဲ့အတွက် အချိန်နည်းနည်းယူလိုက်မယ်ဆိုရင် ဘယ်သူမဆို အလွယ်တကူ ဖည်နိုင်ပါတယ်။

အစားထိုး၀ှက်စာ (Substitution Cipher)

ဒီနည်းကတော့ မူရင်းစာလုံးတလုံးချင်းစီကို ကြိုတင် သတ်မှတ်ထားပြီးဖြစ်တဲ့ တခြား ကျပမ်းစာလုံးတလုံးချင်းစီနဲ  အစားထိုးလဲလှယ်တဲ့နည်းပါ။ ဥပမာဗျာ A ဆိုရင် X, B ဆိုရင် L, C ဆိုရင် S, စသည်ဖြင့် ကိုယ်ကြိုက်သလို သတ်မှတ်ထားလို ရပါတယ်။ ဒါဟာ ဆီဇာရဲ့၀ှက်စာနဲ  အဓိကကွာခြားတဲ့အချက်ပါ။ ဆီဇာရဲ့နည်းမှာက စာလုံးတလုံးကို ကြိုတင်သတ်မှတ်ထားတဲ့အတိုင်းပဲ ပုံသေ လဲလှယ်သွားတာပါ။ ဥပမာ မူရင်းစာလုံးကို တတိယမြောက်စာလုံးနဲ အစားထိုးမယ်ဆိုရင် A က D ဖစ်လာမယ်။ B က E ဖစ်လာမယ်။ C က F ဖစ်လာမယ်။ စသည်ဖြင့်ပေါ့။ ဒါမှမဟုတ် ပဉ္စမမြောက်စာလုံးနဲ အစားထိုးမယ်ဆိုရင် A က F ဖစ်သွားမယ်။ B က G ဖစ်သွားမယ်။ ဒါပါပဲ။ ဒီအစားထိုး ၀ှက်စာမှာကျတော့ စာလုံးတစ်လုံးချင်းစီအတွက် ကိုယ့်စိတ်ကြိုက် တခြား ကျပမ်း စာလုံးတလုံးကို သီးသန်  သတ်မှတ်ထားတဲ့နည်းပါ။ ဒီနည်းက ဆီဇာနည်းလောက်ဖြည်ရတာမလွယ်ပေမယ့် သင်္ချာပညာရှင်နဲ တွ တာ့လည်း ဖုံးသမျှပေါ်ရ တာပါပဲ။ ဒီ အစားထိုး၀ှက်စာကို ပန်ဖေါ်ဖို  ကြိမ်နှုန်းဆန်းစစ်လေ့လာချက် (Frequency Analysis) နည်းကို သုံးနိုင်ပါတယ်။ Frequency Analysis ဆိုတဲ့ စကားလုံးအတွက် ဘာသာပြန်လေးရေးပြထားရုံနဲ တာ့ ဘယ်လိုဖေါ်ပါလိမ်  ဆိုတာ ဘယ်မြင်သာပါ့မလဲဗျာ။ ဒါပေမယ့် မိတ်ဆွေတို ကို သင်္ချာပညာရပ်ဆိုင်ရာတွေနဲ လည်း မလေးလံစေချင်ဘူး၊ ရှင်းမပြလို လည်း မပြည့်စုံဘူး ဆိုတော့ လက်တွေ ဆန်တဲ့ ဥပမာလေးတခုပေးပါမယ်။ မိတ်ဆွေ ကြိုက်တဲ့ စာတအုပ်ယူလိုက် (တအုပ်လုံးတော့မလိုပါဘူး အခန်းတခန်းစာ ဒါမှမဟုတ်လဲ စာလေးငါးမျက်နှာစာဆိုရပါပြီ) အဲဒီစာအုပ်မှာ A ဆိုတဲ့စာလုံး စုစုပေါင်း ဘယ်နှစ်လုံးပါသလဲ၊ B ဘယ်နှစ်လုံးပါသလဲ၊ C ဘယ်နှစ်လုံးပါသလဲ စသည်ဖြင့် Z အထိပေါ့ဗျာ ရတွက်ကြည့်ပြီးမှတ်ထားလိုက်။ အခုပြောတဲ့နည်းက manual လုပ်မယ်ဆိုရင်တော့ ခက်ခဲလက်၀င် အချိန်ကုန်ပေမယ့် ကွန်ပြူတာမှာ ပရိုဂရမ်ရေးပြီးခိုင်းလိုက်ရင်တော့ သိတဲ့အတိုင်း စက္ကန် ပိုင်းပေါ့။ အဲဒီနည်းနဲ  မိတ်ဆွေဟာ အကြိမ်အရေအတွက် အများဆုံးပါတဲ့စာလုံးကနေ အနည်းဆုံးပါတဲ့စာလုံးအထိ၊ A ကနေ Z အထိ စာတလုံးချင်းစီရဲ့ ကြိမ်နှုန်း(Frequency) တွရလာပါပြီ။ ဒါဆိုရှင်းပါပြီ။ ရိုးရိုးစာမှာ E က အကြိမ်အရေအတွက်အများဆုံးပါနေပြီး အစားထိုး၀ှက်စာမှာ X ဆိုတဲ့စာလုံးက အကြိမ်အရေအတွက် အများဆုံးပါနေတယ်ဆိုပါတော့။ ကဲ ဒါဆိုရင် မိတ်ဆွေဘာလုပ်သင့်တယ် ထင်ပါသလဲ။ တွ သမျှ X ကို E နဲ  အစားထိုးပြီးဖတ်ကြည့်ပေါ့ဗျာ။ ဒါပါပဲ။ ဒီ Frequency Analysis နည်းဟာ အစားထိုး၀ှက်စာတွေဖေါ်တဲ့နေရာမှာ အလွန်ထိရောက်တဲ့ နည်းစနစ်တခုဖြစ်ပါတယ်။

Polyalphabetic Cipher (စကားစုတစုကို key အဖြစ်သုံးတဲ့ ၀ှက်စာ)

စကားစုတစု စကားလုံးတလုံးကို လျှို ၀ှက် key အဖြစ်သုံးပြီးရေးတဲ့ ၀ှက်စာရေးနည်းကို၊ ၁၅ ရာစု အလယ်ပိုင်းလောက်တုန်းကတည်းက စတင်အသုံးပြုခဲ့ပြီး ဒုတိယကမ္ဘာစစ်အတွင်းကဆိုရင် ပိုမိုရှုပ်ထွေးတဲ့ အနစ်ဂမာ (Enigma) rotar machines  တွမှာပါ အသုံးချခဲ့ပါတယ်။ ဒီ Polyalphabetic Cipher နည်းက ၀ှက်စာရေးဖို အတွက် plaintext ရဲ့ အက္ခရာတွေကို ပုံသေရွှေ တဲ့နည်းမသုံးပဲ၊ အက္ခရာအများကြီးပါ၀င်တဲ့ ကိုယ့်ရဲ့ ကိုယ်ပိုင် လျှို ၀ှက်စကားလုံးတလုံးရဲ့ အထားအသို အနေအထား တန်ဘိုးအတိုင်း လိုအပ်ရင် လိုအပ်သလို ထပ်ကာ ထပ်ကာ ရွှ တဲ့နည်းဖြစ်ပါတယ်။ ဥပမာဗျာ “Meet me at elephant lake” ဆိုတဲ့ plaintext ကို ၀ှက်စာဖြစ်အောင်ရေးချင်တယ်။ ၀ှက်စာအတွက်သုံးမယ့် လျှို ၀ှက် ကီး စကားလုံးက ‘SNAKE’ ဆိုပါတော့။ A to Z အက္ခရာစဉ်အတိုင်းဆိုရင်

S က နံပါတ် 19

N က နံပါတ် 14

A က နံပါတ် 1

K က နံပါတ် 11

E က နံပါတ် 5

ဒါဆိုရင် ကျွန်တော်တို ၀ှက်စာဖြစ်အောင်ရေးမယ့် plaintext ရဲ့

• ပထမဆုံးအက္ခရာကို (ညာဖက်ကိုပေါ့ဗျာ) ၁၉ နရာ ရွှ (M က F ဖစ်လာမယ်)

• ဒုတိယ အက္ခရာကို ၁၄ နရာရွှေ (E က S ဖစ်လာမယ် )

• တတိယ အက္ခရာကို ၁ နရာရွှေ (ဒုတိယ E က F ဖစ်လာမယ်)

• စတုတ္ထ အက္ခရာကို ၁၁ နရာရွှေ (T က E ဖစ်လာမယ်)

• ပဉ္စမ အက္ခရာကို ၅ နရာရွှေ  (M က R ဖစ်လာမယ်)။

ပြီးရင် SNAKE ရဲ့ စကားလုံးအစကပြန်စပြီး plaintext ရဲ့ ဆဌမ အက္ခရာကို ၁၉ နရာ၊ သတ္တမ အက္ခရာကို ၁၄ နရာ၊ အဌမအက္ခရာကို ၁ နရာ….စသည့်ဖြင့် ..စသည်ဖြင့် ကျန်တဲ့ plaintext အက္ခရာတွေကို SNAKE အစီအစဉ်အတိုင်း ထပ်ကာ ထပ်ကာ ရွှ သွားရင် ပုံမှာပြထားသလို “Meet me at elephant lake” ဆိုတဲ့ plaintext အတွက် “FSFE RX OU PQXDILSM ZBVJ” ဆိုတဲ့ ၀ှက်စာတခု ရလာပြီပေါ့။



Fig: Polyalphabetic Cipher နည်းဖြင့်ရေးသော ၀ှက်စာ

ကဲမိတ်ဆွေတို မင်တဲ့အတိုင်းပါပဲ။ ၀ှက်စာအနေနဲ ပာင်းရေးလိုက်တော့ E ဆိုတဲ့ plaintext အက္ခရာတလုံးတည်းကိုပဲ S, F, X, P, J စသည်ဖြင့် မတူညီတဲ့ ciphered text တွ အဖြစ်တွေ ရမှာပါ။ ဒါကြောင့် ဒီ Polyalphabetic Cipher နည်းမှာတော့ Frequency Analysis နည်းဟာ လုံး၀နီးပါး အသုံးမ၀င်တဲ့ အခြေအနေကို ဆိုက်ရောက်သွားတာ တွ ရမှာဖြစ်ပါတယ်။ plaintext ထဲမှာ E ကို ခာက်ကြိမ်အထိ သုံးထားပေးမယ့် ၀ှက်စာမှာတော့ အဲဒီလောက် အကြိမ်ရေများတဲ့ ဘယ်အက္ခရာကိုမှ တွ ရမှာမဟုတ်ပါဘူး။ နာက်ဆုံး ၀ှက်စာမှာ တူညီတဲ့ အပူးအက္ခရာတွေ ပါလာစေဦးတော့ မူရင်း plaintext မှာ အဲဒီလိုအပူးအက္ခရာ ဘယ်လိုမှ ပါနိုင်ဖို အကြောင်းရှိမှာမဟုတ်ပါဘူး။ ကိုယ့်ရဲ့ ၀ှက်စာကီးစကားလုံးက ရှည်ရင်ရှည်သလို ၀ှက်စာကိုပြန်ဖေါ်ရတာ ခက်ခဲမှာဖြစ်ပါတယ်။ ဒါဆိုရင်မိတ်ဆွေကလည်း “ဒီ နည်းက ဖည်လို မရဘူးလားဗျ” မးမှာပဲ။ အဖြေကလည်း “ဖြည်နည်းရှိပါတယ်” ဆိုတာပါပဲ။ ဒါပေမယ့်လည်း အဆင့် ၇-ဆင့် ပါတဲ့ အဲဒီဖြည်နည်းကို အချက်အလက်တွေ များပြားရှုပ်ထွေးသွားမှာစိုးတဲ့အတွက် ဒီဆောင်းပါးမှာ မတင်ပြတော့ပါဘူး။ ၀ီကီပီးဒီးယား မှာပဲဖြစ်ဖြစ် တခြားပညာရေးဆိုင်ရာ ဆိုဒ်တွေမှာပဲဖြစ်ဖြစ် ကျွန်တော့ရဲ့ ဒီဆောင်းပါးထက် အများကြီး ပိုမိုကောင်းမွန်တဲ့၊ အသေးစိပ်ရှင်းလင်းထားတဲ့ အချက်အလက်တွေ မိတ်ဆွေတို  အလွယ်တကူတွေ နိုင်ပါတယ်။ စိတ်၀င်စားရင် ကိုယ်တိုင်သာ ဆက်လက်လေ့လာလိုက်ကြပါလို  လးလေးစားစား ပန်ကြားလိုပါတယ်။ “ဒီလူကကွာ ဟိုဟာလည်း ကိုယ်တိုင် ဆက်လေ့လာလိုက်ပါ၊ ဒီဟာလည်း ကိုယ်တိုင်ဆက်လက်လေ့လာလိုက်ပါနဲ ..ဘာမှလည်း ပည့်စုံအောင် ဆုံးခန်းတိုင်အောင် သသေချာချာ မရှင်းလင်းဘူး ..မဆွေးနွေးဘူး” လို များ မိတ်ဆွေတို  ထင်မလားမသိဘူး။ တကယ်တန်းကျတော့ ဘယ်ပညာရပ်မှာမဆို စိတ်၀င်တစား ကိုယ်တိုင်လေ့လာ သင်ယူတာကသာ တတ်မြောက် ကျွမ်းကျင် ပိုင်နိုင်တဲ့ အခြေအနေအဆင့်အတန်းကို ရာက်ရှိစေမှာမို လို ပါ။ ပီးတော့လည်း “A good learner never waits to be taught” ဆိုတဲ့စကားလိုပေါ့။ “တကယ့် လ့လာသင်ယူသူကောင်းတရောက်ဟာ သူများသင်ပေးတာကို ဘယ်တော့မှ စာင့်နေမှာမဟုတ်ဘူး” ဆိုတာလိုပါပဲ။ လမ်းစလေးတွေ ရှိနေရုံ တွ နရုံ နဲ  ကိုယ့်ရဲ့ သိလိုစိတ် တတ်လိုစိတ်ဟာ ကိုယ့်ကို ကျယ်ပြန် တဲ့ ပညာရပ်နယ်ပယ်ရှိရာအထိ ရာက်မှန်းမသိရောက်သွားအောင် ဆွဲခေါ်သွားနိုင်ပါတယ်။ အဲဒီလို ဖစ်စေချင်လို ပါ။

ကဲ…ခုလောလောဆယ် ယာယီအနှစ်ချုပ်ရရင် အထက်မှာ ကျွန်တော်တို  ဆွးနွေးခဲ့တဲ့ ရှးရိုးဂန္ထ၀င်၀ှက်စာရေးနည်းတွေကတော့ သိပ်အားမကိုးလောက်သေးတာ တွ ရပါတယ်။ ဘယ်နည်းမဆို အလွယ်တကူမဟုတ်တောင်မှ ဖည်နည်းက ရှိနေတာကိုး။ ၀ှက်စာဆိုတာကလည်း သူများ အလွယ်တကူ ဖည်လို ရတယ် ဖါ်လို ရတယ်ဆိုရင် ဘယ်အားကိုးလောက်တော့မတုန်း။ ဒါကြောင့်လည်း နယ်ပယ်အသီးသီးက ပညာရှင်တွေဟာ ၀ှက်စာရေးနည်းနဲ ပတ်သက်ပြီး ပိုမိုတိုးတက်အောင် မပြတ်ကြံဆောင်ခဲ့ကြပါတယ်။ ခုဆက်လက်ပြီးတော့ ရှးရိုး၀ှက်စာရေးနည်းတွေ နဲ  ခတ်သစ်၀ှက်စာရေးနည်းတွေရဲ့ ကြားကာလလောက်မှာ ပါ်ပေါက်ခဲ့တဲ့ အတော်အတန် ခိုင်မာမှု လုံခြုံမှုရှိလာပြီဖြစ်တဲ့ ၀ှက်စာရေးနည်းတရပ်ကို ဆက်လက်လေ့လာကြပါစို ။

တကြိမ်ရေးနည်း၀ှက်စာ (One-Time Pad)

ဒီလိုနဲ ပဲ ၁၉၂၀ လာက်မှာ အမေရိကန် စီးပွားရေးသမားတဦးဖြစ်တဲ့ ဂဲလ်ဘတ် ဆဲန်ဖို  ဗာနမ် (Gilbert Sandford Vernam) က ဒီနေ ခတ်မှာ one-time pad လို  ထင်ရှားလူသိများတဲ့ ၀ှက်စာရေးနည်းတရပ်ကို ဖါ်ထုတ်တင်ပြခဲ့ပါတယ်။ သူ ရဲ့ အဲဒီ one-time pad ၀ှက်စာစနစ်မှာ

-plaintext message ကို binary string တစ်ခု M အဖြစ် ကိုယ်စားပြုဖေါ်ပြလိုက်တယ်။

-ပြီးရင် အဲဒီ M နဲ  sizeခြင်း အလျားခြင်း lengthခြင်း တူညီတဲ့ နာက်ထပ် ကျပမ်း binary string ကီးတခု K ကို သတ်မှတ်လိုက်တယ်။

-ပြီးရင် ခုနက M ကို K နဲ  XOR (Exclusive OR - တူရင်ဇီးရိုး မတူရင်၀မ်း) operation လုပ်လိုက်တယ်။

-အဲဒီအခါမှာ ၀ှက်စာ (ciphered text) C ကို ရရှိလာပါတယ်။ ပုံမှာကြည့်ပါ။

M : 1 1 1 0 1 0 1 1 0 0 0 1

K : 0 1 1 0 1 1 1 0 1 0 1 1

--------------------------------

C : 1 0 0 0 0 1 0 1 1 0 1 0

(FIG: Encryption by XOR-ing M with K to get C)

ဒီနေရာမှာ ကျွန်တော်တို အနေနဲ  သတင်းစကားကို လက်ခံမယ့်သူဟာ ယုံကြည်စိတ်ချရတဲ့သူလို  ယူဆပြီးဖြစ်တဲ့အတွက် လျှို ၀ှက်ကီး K ကိုလည်း ကြိုတင် မျှေ၀ပေးထားပြီးဖြစ်တယ်လို ယူဆထားပါတယ်။ ဒါကြောင့် လက်ခံသူအနေနဲ  ရလာတဲ့ ၀ှက်စာ C ကို၊ သူ ကိုမျှေ၀ပေးထားပြီးသားကီး K နဲ  နာက်ထပ် XOR operation တခုထပ်လုပ်လိုက်ရင် မူရင်းသတင်းစကား M ကို အလွယ်တကူ ပန်ရနိုင်ပါတယ်။ ပုံမှာကြည့်ပါဦး။

C : 1 0 0 0 0 1 0 1 1 0 1 0

K : 0 1 1 0 1 1 1 0 1 0 1 1

--------------------------------

M : 1 1 1 0 1 0 1 1 0 0 0 1

(FIG: Decryption by XOR-ing C with K to get M)

ဒီ one-time pad ရဲ့ အားသာချက်ကတော့ မိတ်ဆွေတို မင်တဲ့အတိုင်းပဲ ကြားဖြတ်ဖေါက်ထွင်းခိုးယူသူအနေနဲ  Key - K ကို သိမထားဘူးဆိုရင် ၀ှက်စာဟာ သူ အတွက် လုံး၀အဓိပ္ပါယ်မရှိတဲ့ အဓိပ္ပါယ်ဖေါ်မရတဲ့ ကျပမ်းစာသားကြီးတစ်ခုသာ ဖစ်နေမှာပါ။ ဘာလို တုန်းဆိုတော့ ဘယ်လို bit string တစ်ခုကိုမဆို တခြားကျပမ်း bit string တစ်ခုနဲ  XOR လုပ်ထားရင် ရလာတဲ့ရလာဒ်ကလည်း ကျပမ်း bit string တစ်ခုသာဖြစ်နေမှာမို လို ပါပဲ။ ဒီ ၀ှက်စာကို ဖည်ဖို လည်း ဘယ်လိုမှ ခန် မှန်းဖို မဖြစ်နိုင်ပါဘူး။ဘာလို တုန်းဆိုတော့ ဘယ်လို ကျပမ်း binary string ကို မဆို Key အဖြစ်သုံးနိုင်တာကိုး။

ဒီအချက်တွေကြောင့်ပဲ one-time pad စနစ်ဟာ ဘယ်လိုမှ မချိုးဖျက်နိုင်တဲ့ ၀ှက်စာစနစ်တခုအဖြစ် သတ်မှတ်ခြင်းခံခဲ့ရပါတယ်။ ဒါပေမယ့် မှန်မှန်ကန်ကန် သုံးမှသာ မချိုးဖျက်နိုင်တာဖြစ်ပြီး သူ ရဲ့ နာမည် one-time pad ဆိုတဲ့အတိုင်း ၀ှက်စာတခုအတွက် Key တစ်ခုကို တစ်ကြိမ်တိတိသာသုံးခွင့်ရှိတာဖြစ်ပါတယ်။ တစ်ကြိမ်ထက်ပိုသုံးမိရင်တော့ one-time pad ၀ှက်စာတွေဟာ လုံခြုံမှုမရှိတော့ပဲ သူ ရဲ့ ခိုင်ခံ့မှုစည်းလည်း ကျိုးပျက်သွားပါပြီ။ ဘာလို တုန်းဆိုတော့ ကီးကို တကြိမ်ထက်ပိုသုံးမိရင် ၀ှက်စာမှာ သုံးတဲ့ Key – K ကို ဖါက်ထွင်းခိုးယူသူတွေအနေနဲ  အလွယ်တကူ တွက်ချက်ရယူနိုင်စွမ်း ရှိသွားလို ပါ့။ တွက်နည်းကလည်း အလွန်လွယ်ကူတဲ့ ကိန်းသီအိုရီရဲ့ အခြေခံ မှာပါတဲ့ အကြီးဆုံးဘုံဆခွဲကိန်း ( Greatest Common Divisor) ရှာတဲ့နည်းအတိုင်း တွက်ချက်ရှာဖွေလိုက်တာပါပဲ။ ဆိုလိုတာကဗျာ

C1 = M1 * K

C2 = M2 * K ဆိုရင်

C1 ရာ C2 မှာ ဘုံပါနေတဲ့ K ကို အလွယ်တကူ ရှာနိုင်သလိုမျိုးပေါ့။ အဲဒီတော့ အနှစ်ချုပ်လိုက်ရင်

-သတင်းပို မယ့်သူနဲ  လက်ခံမယ့်သူဟာ လျှို ၀ှက်ကီးကို ကြိုတင်သတ်မှတ် ညှိနှိုင်းထားဖို  အသိပေးထားဖို လိုတဲ့အချက်။ [သတင်းအချက်အလက်တခုအတွက် ကီးတခု အမြဲကြိုတင်ပေးပို ထားဖို ဆိုတာ လက်တွေ မှာ အတော်လေး ခက်ခဲပါတယ်။]

-key ဟာ ပို မယ့် message နဲ  size တူရမယ့်အချက် ။ [အကျိုးဆက်အနေနဲ  သတင်းစကား ရှည်ရှည်ပို ချင်တဲ့အခါ key ရွးချယ်ရတာနဲ  တရောက်ကိုတရောက် ကြိုတင်ပြီး ကီးပေးပို ရတာ ခက်ခဲလာပါတယ်။]

-တစ်ကြိမ်သုံးပြီးသားကီးကို နာက်ထပ်ဘယ်တော့မှ ပန်သုံးမရတော့တဲ့အချက်။

စတာတွေဟာ one-time pad ရဲ့ အဓိကအားနည်းချက်တွေပဲဖြစ်ပါတယ်။





ကွန်ပြူတာသိပ္ပံ ကိန်းသီအိုရီနှင့် ၀ှက်စာပညာ (အပိုင်း-၂)

ခေတ်သစ်၀ှက်စာစနစ်များ

ခေတ်သစ်၀ှက်စာပညာရပ်မှာ သူတို ရဲ့ လျှို ၀ှက်ကီး key အသုံးပြုပုံအပေါ် မူတည်ပြီးတော့ အဓိကအုပ်စုကြီးသုံးစု ခွဲထားပါတယ်။

1. Symmetric Encryption ၀ှက်စာရေးဖို အတွက်ရော ၀ှက်စာကိုဖြည်ဖို အတွက်ပါ တူညီတဲ့ Key တခုတည်းကိုပဲ သုံးတယ်။ ဆိုလိုတာက shared-key, secret-key နဲ  private-key အားလုံးအတွက် တူညီတဲ့ Key တခုတည်းကိုပဲ အသုံးပြုတဲ့ စနစ်မျိုးကိုခေါ်တာ။ ဥပမာအနေနဲ ကတော့ မိတ်ဆွေတို  လ့လာခဲ့တဲ့ one-time pad လို စနစ်မျိုးမှာ encrypt လုပ်ဖို ရာ decrypt လုပ်ဖို ပါ တူညီတဲ့ ကျပမ်း binary string key တခုတည်းကိုပဲ သုံးစွဲသလိုမျိုးပေါ့။

2. Asymmetric Encryption ၀ှက်စာရေးဖို အတွက်က key တခု၊ ၀ှက်စာကိုဖြည်ဖို အတွက်က တခြားသီးသန်  key တခု၊ အဲဒီလို မတူညီတဲ့ Key တွကိုသုံးတယ်ဆိုရင် Asymmetric Encryption(public-key) စနစ်ဖြစ်တယ်။ အဲဒီလို မတူညီတဲ့ key တွကို public-key နဲ  private-key လို ခါ်တယ်။ ဒီအတွက် ဥပမာတွေကတော့ ကျွန်တော်တို  ဆက်လက်လေ့လာမယ့် ခတ်သစ်၀ှက်စာရေးနည်း တွမှာ အများအပြား တွ ရမှာဖြစ်ပါတယ်။

3. Hash Function ၀ှက်စာရေးဖို အတွက်ရော ဖည်ဖို အတွက်ပါ ဘာ key ကိုမှ မသုံးဘူး။ ၀ှက်စာရဖို အတွက် သူ ရဲ့ သီးသန်  လုပ်ဆောင်ချက် function ကိုသာသုံးတယ်။ ဒီ Hash Function ကို message digest (MD) သို မဟုတ် one-way encryption, one-way bash function စသည်ဖြင့့်လည်းခေါ်တယ်။

ဒီဆောင်းပါးမှာတော့ ကျွန်တော်တို ဟာ မာက်များလှစွာသော ခတ်သစ်၀ှက်စာရေးနည်းတွေထဲကမှ ထင်ရှားတဲ့ တချို ကိုပဲ အကြမ်းဖျဉ်းလောက် ဆွးနွေးတင်ပြမှာဖြစ်ပါတယ်။

Advanced Encryption Standard (AES)

AES ဟာ Symmetric-key encryption စနစ်တခုဖြစ်ပြီး အမေရိကန်အစိုးရကိုယ်တိုင် လက်ခံကျင့်သုံးနေတဲ့ ၀ှက်စာရေးနညး်စနစ်တခုဖြစ်ပါတယ်။ AES ဟာ ထပ်တလဲလဲ လည်ပတ်သုံးစွဲရတဲ့ iterated block cipher အမျိုးအစားပါ။ ဆိုလိုတာက ကြိုတင်သတ်မှတ်ထားပြီးဖြစ်တဲ့ တူညီတဲ့ လုပ်ဆောင်မှုအဆင့်တွေကိုပဲ ကြိမ်ဖန်များစွာ ထပ်မံလုပ်ဆောင်စေတဲ့ နည်းစနစ်ကို အသုံးပြုထားတာပါ။ သူ အသုံးပြုတဲ့ data ရဲ့ အပိုင်းတခုချင်းစီ (block) ရဲ့ အရွယ်အစား (size) ဟာ ၁၂၈-bit ရှိပါတယ်။ သုံးမယ့် key ရဲ့ size အနေနဲ  ကတော့ ၁၂၈-bit၊ ၁၉၂-bit နဲ  ၂၅၆-bit ဆိုပြီး ရှိပါတယ်။ AES-128, AES-192 နဲ  AES-256 လို  အသီးသီးခေါ်တာပေါ့ဗျာ။ သူ ရဲ့ လုပ်ဆောင်ပုံကို ပိုမိုသဘောပေါက်နားလည်ဖို  AES ရဲ့ Pseudo Code ကို နည်းနည်းလောက် လ့လာလိုက်ပါဦး။



Cipher(byte in[4*Nb], byte out[4*Nb], word w[Nb*(Nr+1)] )

    BEGIN

        byte state[4, Nb]

        state = in

        AddRoundKey(state, w)

   

            FOR round = 1 step 1 to Nr-1

                SubBytes(state)

                ShiftRows(state)

                MixColumns(state)

                AddRoundKey(state, w+round*Nb)

            ENDFOR



        SubBytes(state)

        ShiftRows(state)

        AddRoundKey(state, w+Nr*Nb)

        out = state

    END



Data Encryption Standard (DES)

DES ဟာ အမေရိကန်ဗဟိုအစိုးရရဲ့ သတင်းအချက်အလက် သုံးစွဲမှုဆိုင်ရာ စံ (Federal Information Processing Standard - FIPS) အမှတ် ၄၆ - ၃ ရဲ့ အမည်ပဲဖြစ်ပါတယ်။ အဲဒီစံမှာ data အချက်အလက်တွေကို ဘယ်လို encrypt လုပ်ရမယ်ဆိုတဲ့ Data Encrytion Algorithm (DEA) တခုကို တခါတည်း သတ်မှတ်ပေးထားပြီး ဖစ်ပါတယ်။ အဲဒီ DEA ဟာ Symmetric ၀ှက်စာအမျိုးအစားတခုဖြစ်ပြီး မူလရည်ရွယ်ချက်အနေနဲ  hardware တွပေါ်မှာ encrypt လုပ်ဖို  ဒီဇိုင်းဆွဲဖန်တီးထားတာဖြစ်ပါတယ်။ ဆိုလိုတာက ကွန်ပြူတာသုံးစွဲသူတရောက်အနေနဲ  သူ စိတ်ကြိုက် data တွကို hard-disk ပါ်မှာ encrypt လုပ်ဖို အတွက်လည်း ဒီ စနစ်ကို သုံးနိုင်တယ်လို ပာချင်တာပါ။ ဒါကို single-user-encryption လို  ခါ်တာပေါ့ဗျာ။

Digital Signature Algorithm

DSA ဟာ အမေရိကန်ဗဟိုအစိုးရရဲ့ သတင်းအချက်အလက် သုံးစွဲမှုဆိုင်ရာ စံ (U.S Federal Information Processing Standard - FIPS) အမှတ် 186 အနေနဲ  သုံးစွဲနေတဲ့ Digital Signature Standard (DSS) တခု ဖစ်ပါတယ်။ ဒီစနစ်ဟာ အစိုးရတရပ်ရဲ့ ပထမဆုံး တရား၀င်အသိအမှတ်ပြု သုံးစွဲခံရတဲ့ Ditital Signature အစီအစဉ် စနစ် တခုလည်းဖြစ်ပါတယ်။ Digital Signature Algorithm မှာ Asymmetric cryptography နည်းစနစ်ကို အသုံးပြုထားပြီး၊ signature တစ်ခုရဲ့ လုံခြုံမှုဆိုင်ရာ ဂုဏ်သတ္တိတွေကို အရေးပုံသဏ္ဌာန်ထက် ဒစ်ဂျစ်တယ်ပုံသဏ္ဌာန်အဖြစ်သာ ပုံဖေါ်တဲ့နည်းစနစ်ဖြစ်ပါတယ်။ ဒီစနစ်မှာ ပးပို သူက သတင်းစကားကို တရား၀င်ဖြစ်အောင်လက်မှတ်ထိုးဖို  (sign လုပ်ဖို ) private key ကို အသုံးပြုပြီး၊ လက်ခံရရှိသူက အဲဒီလက်မှတ်ထိုးမှန်မမှန် စစ်ဆေးဖို ကိုတော့ public key ကို အသုံးပြုပါတယ်။ ဒီ DS algorithm ဟာ လုံခြုံမှု မင့်မြင့်မားမားလိုအပ်တဲ့ အီးမေးလ် ပို ဆာင်ဆက်သွယ်မှုတွေအတွက် မရှိမဖြစ် နည်းပညာတရပ်ပေါ့။

ဒါ့အပြင် တခြားထင်ရှားအသုံးများတဲ့ RC4, RC5, RC6 Algorithms, Message Digest (One-Way Bash) Functions, Message Digest 5 (MD5), Secure Hashing Algorithm (SHA1, SHA2 နဲ  လက်ရှိ သုတေသနပြုဆောင်ရွက်နေဆဲ SHA3) စတာတွေ အပြင် Secure Shell(SS) စတဲ့ ၀ှက်စာရေးနည်း၊ ၀ှက်စာပို ဆာင်နည်း စနစ်တွေ အများအပြားကျန်ပါသေးတယ်။ ဒါပေမယ့် ဒီဆောင်းပါးမှာတော့ ကျွန်တော်တို ဟာ private key နဲ  public key သဘောတရားကို တတ်နိုင်သမျှနားလည်သဘောပေါက်စေဖို နဲ  ကိန်းသီအိုရီ၊ အကြွင်းသင်္ချာနဲ သုဒ္ဓကိန်းတွေကို ခတ်သစ်၀ှက်စာရေးနည်းတွေမှာ ဘယ်လိုအသုံးချတယ်ဆိုတဲ့ အပိုင်းကိုသာ ဦးစားပေး ဆက်လက်ဆွေးနွေးသွားမှာဖြစ်ပါတယ်။

Public-key cryptography နှင့် စိတ်ကူးပြဿနာ

ဆိုပါစို  အ ကနေ ဘီ ကို ငွထည့်ထားတဲ့ သတ္တာတလုံး ပို ချင်တယ်။ လမ်းမှာ ဘယ်သူကမှ ဖွင့်ပြီးမယူစေချင်ဘူး။ ရှင်းပါတယ် သတ္တာကို သာ့ခတ်ပြီးပို ပါ့။ ဒီနေရာမှာ ကြားဖြတ်နဲနဲပြောရရင်တော့ သာ့ဆိုတာလည်း Number Theory ကို အခြေခံထားတာပဲဗျ။ သာ့တံ(key) တစ်ခုတည်းနဲ  သာ့ခလောက်(lock) နှစ်လုံးကို ဖွင့်လို မရတဲ့ အကြောင်းက၊ သာ့တစ်လုံးစီကို သီးသန် ဖစ်တဲ့ မတူညီတဲ့ နံပါတ်တစ်ခုစီပေါ်မှာ အခြေခံတည်ဆောက်ထားတာကိုး။ ဆိုလိုတာက သာ့ အရဲ့ နံပါတ်ကို 30 လို သတ်မှတ်ထားရင် ကိန်းသီအိုရီအရ 30 ရဖို  2*3*5 မှာက်မှရမယ်။ အထားအသိုတော့ ပာင်းနိုင်တာပေါ့ဗျာ။ ဒါကတော့ မိတ်ဆွေတို အနေနဲ  အာ်တို အန်ဒါစတွတ်ပါ။ တခြား prime number အတွဲမြှောက်ခြင်းနဲ  လုံး၀ ၃၀ မရနိုင်ဘူး။ အဲဒီလို နည်းနဲ  သာ့တလုံးချင်းစီကို လုံး၀သီးသန် (unique - ယူးနစ်ခ်) ဖစ်အောင် တည်ဆောက်ထားတာပါ။

ကဲကဲ… ပို ချင်တဲ့ပစ္စည်း သတ္တာထဲထည့်၊ သာ့ခတ်၊ ပီးရင်ပို ချင်တဲ့သူဆီကိုပို  မယ့်အကြောင်းပြန်ကောက်ရရင်၊ ဒီနေရာမှာ ပို မယ့်အေ နဲ  လက်ခံမယ့်ဘီ နှစ်ရောက်လုံးဆီမှာ မိတ္တူပွားထားတဲ့ သာ့တူရှိရင်တော့ အဆင်ပြေတာပေါ့။ အ က သူ သာ့နဲ သူခတ် ဘီ ကို ပို ။ ဘီကလည်း အကပေးထားတဲ့ သူ မှာရှိတဲ့ သာ့တူနဲ ဖွင့်။ အိုကေ။ ဒါပေမယ့် ပဿနာက အ နဲ  ဘီ က အဲဒီလို shared key စနစ်ကို မသုံးဘူးဆိုရင်ဘယ်လိုလုပ်မလဲ။ ဆိုလိုတာက အက သူ သာ့မိတ္တူ ဘီကို ကြိုတင်ပေးမထားဘူး။ သတ္တာကို သာ့ခတ်ပြီး ဘီကို ပို လိုက်တယ်။ ဘီမှာ ဖွင့်စရာ သာ့မရှိဘူး။ သာ့ခတ်ထားတဲ့ သတ္တာအရင်ပို  ပီးမှ သာ့ကို ဒီအတိုင်း သပ်သပ်ပို  ဆိုလို လည်းမဖြစ်ပြန်ဘူး။ ရွာလည် တိုင်ပတ် နတဲ့ ဒီ သာ့ ပဿနာကို ဟာဒီလို ဖရှင်းနိုင်ပါတယ်။

• အ က ပို မယ့်သေတ္တာကို သူ သာ့နဲ သူခတ်။ ဘီ ကို ပို ။

• ဘီက သူ ဆီရောက်လာတဲ သတ္တာကို တခြား သူ ကိုယ်ပိုင်သော့ နဲ  ထပ်ခတ်။ (သေတ္တာက သာ့ နှစ်လုံး ခတ်လို ရတယ်ပေါ့ဗျာ။) ပီးရင် အ ဆီကို ပန်ပို ။

• အက သူ ဆီပြန်ရောက်လာတဲ့ (သော့နှစ်လုံး ခတ်ထားတဲ့) သတ္တာ က သူ ခတ်ထားတဲ့ သာ့ကို ဖွင့်ပြီး (ဖြုတ်ပြီး) ဘီ ကို ပန်ပို ။

• ဘီက သူခတ်ထားတဲ့ သာ့ကို သူ ဘာသာသူ ပန်ဖွင့်။ အထဲက လိုတဲ့ပစ္စည်းကိုယူ အိုကေပေါ့။ ပုံကိုကြည့်လိုက်ဗျာ။ ပိုရှင်းသွားမယ်ထင်ပါတယ်။



Diffie-Hellman Protocol

တကယ်တန်းကျတော့ ကျွန်တော်တို ပို ရမှာက ရုပ်၀တ္ထု ပစ္စည်းတွေဖြစ်တဲ့ သတ္တာတို  ဘာတို မဟုတ်ပဲ၊ ကွန်ပြူတာကွန်ယက်တွေပေါ်မှာ data အချက်အလက်တွေ (bit stream or signal) ပဲ ပို ရမှာကိုး။ အဲဒီလိုပို တဲ့အခါမှာဆိုရင် ကျွန်တော်တို  အထက်မှာ ဆွးနွေးခဲ့တဲ့ ပို ဆာင်ဆက်သွယ်ရေးပုံစံ (protocol) ကို ဘယ်လို အကောင်အထည်ဖေါ်ကြမလဲ။ အဲဒီမေးခွန်းရဲ့အဖြေနဲ ပါတ်သက်ပြီး ပဿနာဖြေရှင်းပုံ နည်းလမ်းအဆင့်ဆင့်ကို၊ ၁၉၇၆ ခုနှစ်မှာ Whitfield Diffie နဲ  Martin Hellman ဆိုတဲ့ ပုဂ္ဂိုလ်နှစ်ဦးက ပထမဆုံး စတင်ဆွေးနွေးတင်ပြခဲ့ပါတယ်။ သူတို နှစ်ဦးကို ဂုဏ်ပြုတဲ့အနေနဲ  အဲဒီ နည်းစနစ်ကို Diffie-Hellman Protocol လို ခါ်ပါတယ်။ ဒါပေမယ့်လည်း ၂၀၀၂ ခုနှစ်မှာ Hellman က အဲဒီ algorithm ကို “Diffie–Hellman–Merkle key exchange” လို ခါ်ဖို  အကြံပြုတင်ပြခဲ့ပါတယ်။ ဘာလို လဲဆိုတော့ အဲဒီ public key cryptography နည်းစနစ်ကို တည်ထွင်ရာမှာ Ralph Merkle ဆိုတဲ့ ပုဂ္ဂိုလ်ရဲ့ ပူးပေါင်းပါ၀င်ဆောင်ရွက်မှုတွေ အများအပြားရှိခဲ့လို ဖစ်တယ်လို  ဆိုပါတယ်။







Diffie-Hellman Protocol ၏ လုပ်ဆောင်ပုံအဆင့်များ

1.  အေ နဲ  ဘီ ဟာ prime number p = 23 နဲ  အခြေ base g = 5 ကို သုံးစွဲဖို  သဘောတူထားကြတယ်။

2.  အေ  ဟာ သူ ရဲ့ ကိုယ်ပိုင် လျှို ၀ှက် ကိန်းပြည့် a = 6 ကို သုံးဖို  ရွးချယ်လိုက်တယ်။ ပီးတော့  ဘီ ဆီကို  A = ga mod p  ကို ပို လိုက်တယ်။

·         A = 56 mod 23

·         A = 15,625 mod 23

·         A = 8

3.  ဘီ  ကတော့ သူ ရဲ့ ကိုယ်ပိုင် လျှို ၀ှက် ကိန်းပြည့်အဖြစ် b = 15 ကို ရွးချယ်လိုက်တယ်။ ပီးတော့ အ ဆီကို  B = gb mod p  ကိုပို လိုက်တယ်။

·         B = 515 mod 23

·         B = 30,517,578,125 mod 23

·         B = 19

4.  အေ ဟာ သူတို ရဲ့ လျှို ၀ှက်သတင်းစကား s ကို ဒီလိုတွက်ယူလိုက်တယ်။

o   s = B a mod p

o   s = 196 mod 23

o   s = 47,045,881 mod 23

o   s = 2

ဘီ ကလည်း လျှို ၀ှက်သတင်းစကား s ကို ဒီလိုတွက်ယူတယ်။

o   s = A b mod p

o   s = 815 mod 23

o   s = 35,184,372,088,832  mod 23

o   s = 2







1.  ကဲမိတ်ဆွေ မင်တဲ့အတိုင်းပါပဲ။  အ နဲ  ဘီ ဟာ သူတို ရဲ့ လျှို ၀ှက်ချက် s = 2ကို နှစ်ရောက်လုံး မျှေ၀သုံးစွဲနိုင်တဲ့ အဆင့်ကိုရောက်နေပါပြီ။ ဒါဟာ ဘာလို တုန်းဆိုတော့  6*15  နဲ  15*6 နဲ ဟာ အတူတူပဲဖြစ်လို ပါ့။ ဒါကြောင့် နှစ်ရောက်စလုံး (အေ နဲ  ဘီ) ရဲ့ ကိုယ်ပိုင် လျှို ၀ှက်ကိန်းပြည့်တွေကို သိထားတဲ့ သူကပဲ  လျှို ၀ှက်သတင်းစကား s ကို အာက်ပါအတိုင်း တွက်ယူနိုင်မှာဖြစ်ပါတယ်။ [နှစ်ရောက်လုံးရဲ့ လျှို ၀ှက်ကိန်းတွေကို သိနိုင်ဖို ဆိုတာ တကယ်တော့ မလွယ်ပါဘူး။]

·         s = 56*15 mod 23

·         s = 515*6 mod 23

·         s = 590 mod 23

·         s =807,793,566,946,316,088,741,610,050,849,573,099,185,363,389,551,639,556,884,765,625 mod 23

·         s = 2



ခုဆွေးနွေးခဲ့တဲ့ Diffie-Hellman စနစ်ဟာ ပးပို သူနဲ  လက်ခံသူ အကြား key လဲလှယ်ဖို အတွက် ရိုးရှင်းတဲ့စနစ်တခုဖြစ်ပါတယ်။ ဒါပေမယ့်လည်း လက်တွေ  သုံးစွဲတဲ့အခါ ရှုပ်ထွေးမှုတွေ ရှိနေဆဲပဲဖြစ်ပါတယ်။ ကျွန်တော်တို  တကယ်တန်းလိုချင်တာက ပးပို သူနဲ လက်ခံသူကြား message တွ အကြိမ်အရေအတွက် နည်းနိုင်သမျှ နည်းနည်းပဲ အပြန်အလှန်သွားတာမျိုးကိုလိုချင်တာပါ။ ဆိုလိုတာက ပးပို သူနဲ  လက်ခံသူ နှစ်ရောက်လုံးက public key တွ private key တွ ဖန်တီးနေစရာမလိုပဲ၊ တရောက်ကပဲ လိုအပ်တဲ့ public key နဲ  private key တွကို ဖန်တီးလိုက်ရုံနဲ  လုံလောက်အဆင်ပြေစေမယ့် အခြေအနေမျိုးကို ဆိုလိုတာဖြစ်ပါတယ်။

RSA Encryption Algorithm

အထက်မှာတင်ပြခဲ့တဲ့ Diffie-Hellman Protocol ရဲ့ လိုအပ်ချက်တွေကိုအခြေခံပြီး၊ ၁၉၇၇ ခုနှစ်မှာ မက်ဆာချူးဆက်နည်းပညာသိပ္ပံက ကျာင်းသားတွေဖြစ်တဲ့ Ronald Rivest, Adi Shamir နဲ  Leonard Adleman တို က အကြွင်းသင်္ချာနဲ  အခြေခံ ကိန်းသီအိုရီကို အသုံးချပြီး အလွန်လုံခြုံမှုမြင့်မားတဲ့ ၀ှက်စာစနစ်တရပ်ကို “A Method for Obtaining Digital Signatures and Public-Key Cryptosystems” ဆိုတဲ့ စာတမ်းမှာ ဖါ်ထုတ်တင်ပြခဲ့ကြပါတယ်။ သူတို ရဲ့ နာမည်တွေကို စွဲယူဂုဏ်ပြုတဲ့အနေနဲ  အဲဒီနည်းစနစ်ကို RSA နည်းလို ခါ်ပါတယ်။

ဒီ RSA ရဲ့ ရှးရိုးစနစ်တွေထက် သိသိသာသာ အားသာတဲ့အချက်က “ပေးပို သူနဲ  လက်ခံသူတို ဟာ နှစ်ဦးသဘောတူ လျှို ၀ှက်ကီး (secret key) တခုသတ်မှတ်ဖို အတွက် တရောက်နဲ  တရောက် ကြိုတင်တွေ ဆုံ ညှိနှိုင်းဖို မလိုတဲ့အချက်ပဲဖြစ်တယ်”။ လက်ခံမယ့်သူမှာ လုံခြုံအောင် ထိန်းသိမ်းထားတဲ့ လျှို ၀ှက်ကီး နှစ်ခုလုံးရှိထားတဲ့အပြင်၊ လူအများဆီကို တတ်နိုင်သမျှ ပျံ့နှံ အာင်ဖြန် ၀နိုင်တဲ့ public key ပါရှိထားတယ်။ သတင်းစကား ပးပို မယ့်သူဟာ လက်ခံမယ့်သူကဖြန် ၀ပေးထားတဲ့ public key ကို အသုံးပြုပြီး၊ သူပေးပို ချင်တဲ့ message ကို encrypt လုပ်ပြီး ပို လိုက်တယ်။ လက်ခံရရှိတဲ့သူက သူ ရဲ့ secret private key နဲ  ပန်ပြီး decrypt လုပ်ပြီး ဖတ်တယ်ပေါ့။ RSA algorithm ကို လက်တွေ  သဘောပေါက်နားလည်စေဖို အတွက် အာက်ပါ ဥပမာကို လ့လာလိုက်ပါဦး။

RSA Algorithm ၏ လုပ်ဆောင်ပုံအဆင့်ဆင့်

o P = 61 (first prime number, destroy this after computing E and D)

o Q = 53 (second prime number, destroy this after computing E and D)

o PQ = 3233 (modulus, give this to others)

o E = 17 (public exponent, give this to others)

o D = 2753 (private exponent, keep this secret!)

 Your public key is (E, PQ)

 Your private key is D.

 The encryption function is: Encrypt (T) = (T^E) mod PQ

= (T^17) mod 3233

(Where T is plaintext message)

 The decryption function is: Decrypt (C) = (C^D) mod PQ

= (C^2753) mod 3233

(Where C is ciphered text)

To encrypt the plaintext value 123, do this:

Encrypt (123) = (123^17) mod 3233

=337587917446653715596592958817679803 mod 3233

=855

To decrypt the ciphered text value 855, do this:

Decrypt (855) = (855^2753) mod 3233

= …………………(very large number) mod 3233

= 123



တကယ်တော့ ဒီ RSA နည်းဟာ အလွန်ကြီးမားတဲ့ သုဒ္ဓကိန်းနှစ်ခု တွက်ချက်ခြင်းကို အခြေခံပြီး တည်ထွင်ဖန်တီးထားတာပါ။ သူ ရဲ့ ခိုင်မာမှုနဲ ပတ်သက်လို ကတော့ “အလွန်ကြီးမားတဲ့ကိန်းတွေကို ဆခွဲကိန်းခွဲဖို  ဆိုတာ ခက်ခဲတယ်။ အဲဒီလို ဆခွဲကိန်းခွဲဖို ခက်ခဲသလောက် ဒီ နည်းဟာလည်း ဖည်ဖို  (break လုပ်ဖို ၊ ချိုးဖျက်ဖို ) ခက်ခဲတယ်” ဆိုတဲ့ မရေရာတဲ့ သီအိုရီအဆိုတခုအပေါ်ကို အခြေခံထားတာဖြစ်တဲ့အတွက်၊ RSA နည်းစနစ်ဟာ ဆယ်စုနှစ်နဲ ချီပြီး ၀ဖန်တိုက်ခိုက်ခံခဲ့ရပါတယ်။ ဒါပေမယ့်လည်း ဒီနေ ထက်ထိ RSA ရဲ့ သိသာထင်ရှားတဲ့ ဘယ်လိုအားနည်းချက်ကို ဘယ်သူကမှ ရှာမတွေ ခဲ့ကြသေးပါဘူး။ ဒါကြောင့် ခုအခါမှာတော့ ဒီ RSA နည်းနဲ  သူ ရဲ့မျိုးကွဲ နည်းစနစ်တွေဟာ ခတ်သစ် e-commerce စနစ်ကြီးတစ်ခုလုံးမှာ အကျယ်ပြန် ဆုံးအသုံးပြုတဲ့ ၀ှက်စာစနစ်တွေဖြစ်နေပါပြီ။ ဒါကြောင့် ဒီ RSA encryption စနစ်ဟာ စံ စနစ်တခုအဖြစ် တရား၀င် သတ်မှတ်မခံရပေမယ့်လည်း၊ လက်တွေ လာကမှာတော့ ၀ှက်စာရေးနည်းစံ (de-facto encryption standard) တခုသဖွယ် လူတိုင်းသုံးစွဲနေကြပါပြီ။

ဒါဆိုရင် မိတ်ဆွေက “ဒီ RSA နည်းက ဘယ်လောက်ထိ လုံခြုံစိတ်ချရလို လဲ” ဆိုတဲ့ မးခွန်းကို မးချင်မှာပါ။ တကယ်တော့ ဒီမေးခွန်းဟာ RSA စတင်တည်ထွင်ခဲ့တဲ့အချိန်ကနေ အခု နှစ်ပေါင်း ၃၀ ကျာ်လာတဲ့ ဒီနေ ထက်ထိ အဖြေမရှိသေးတဲ့ အဖြေမသိသေးတဲ့ မးခွန်းတခုအဖြစ်ပဲ ရှိနေပါသေးတယ်။ မိတ်ဆွေမေးခွန်းရဲ့အဖြေအတွက် ကျွန်တော်တို  ဆက်လက်လေ့လာ သုတေသနလုပ်ရပါဦးမယ်။ ဒါပေမယ့် အလွန်ရှင်းလင်းတဲ့ အချက်တချက်ရှိနေပါတယ်။ ဒါဟာဘာလဲဆိုတော့ “ဒီနေ အခါမှာ ဘတ်ဂျက်အလုံအလောက်၊ အခြေခံနဲ  အဆင့်မြင့်အဆောက်အဦ (infrastructure) အပြည့်အစုံ နဲ ၊ state-sponsored-hackers(အစိုးရကိုယ်တိုင် ပးကျွေး လက်သပ်မွေးပြီး စနစ်တကျဖွဲ စည်းပေးထားတဲ့ ကွန်ပြူတာအဖျက်သမား) တွဟာ ‘ငါနဲ မတူ ငါ့ရန်သူ’ သီအိုရီကို ကိုင်စွဲပြီး သူတို ပိုင်ဖက်တွေရဲ့ လုံခြုံရေးကို ဖျက်ဆီးဖို  ချိုးဖျက်ဖို ၊ သူတို နဲ အမြင်မတူသူတွေရဲ့ လျှို ၀ှက် သတင်းအချက်အလက်တွေကို ဖါက်ထွင်းခိုးယူဖို နည်းမျိုးစုံနဲ  မပြတ်ကြံစည် လုပ်ဆောင်နေကြတယ်” ဆိုတဲ့ အချက်ပဲဖြစ်ပါတယ်။ သူတို ဟာ Ciphertext only attck, Adaptive chosen-plaintext attack, Known-plaintext attack, Chosen-Key attack, Rubber hose attack, Timing attack စတဲ့ နည်းပေါင်းစုံနဲ  ပိုင်ဖက်အဖွဲ အစည်း လူပုဂ္ဂိုလ်တွေရဲ့ အီးမေးလ်တွေ ကွန်ပြူတာတွေ ဆာဗာတွေကို တိုက်ခိုက်ထိုးဖေါက်နေတဲ့အပြင်၊ code breaking နည်းစနစ်တွေဖြစ်တဲ့ Burce-Force attack, Meet-In-The-Middle attack, Social Engineering နည်းပညာကိုသုံးထားတဲ့ Trickery and Deceit နည်းစနစ်တွေအပြင် One-Time pad နဲ  Frequency Analysis နည်းစနစ်တွေကိုပါ အသုံးပြုပြီး ပိုင်ဖက်တွေကို ဒုက္ခပေးဖို ကြံစည်နေကြပါတယ်။ (အဲဒီတိုက်ခိုက်ပုံတွေကို နာက်လ ဆာင်းပါးမှာ သီးသန် ဆွးနွေးတင်ပြပါမယ်။) ကဲ..ဒါဆိုရင် မိတ်ဆွေတို  ဖက်ကရော အဲဒီ state-sponsored-hacker တွရဲ့ ရန်ကို ခုခံကာကွယ်တားဆီးဖို  ဘယ်လို algorithm တွ ၊ ဘယ်လို security policy တွ၊ ဘယ်လိုနည်းစနစ်အသစ်တွေနဲ  ပင်ဆင်ထားပါသလဲ။ “ထားပါဗျာ ဒီကောင်တွေကို ဂရုမစိုက်ပါဘူး။ လူဆိုးနဲ  လူကောင်းရဲ တိုက်ပွဲမှာ နာက်ဆုံးတော့ လူကောင်းကသာ အနိုင်ရမှာ ဆိုတဲ့ လာကပါလတရားကို ယုံကြည်မှုမပျောက်သေးတဲ့အတွက် ကျုပ်တို ကတော့ သိပ်ပူမနေပါဘူး” လို များ ဆိုလေမလား မိတ်ဆွေတို ရ။ အင်း..ခက်တာက ကြားကာလမှာ ‘ရွှေဘ’ ကတော့ အလူးအလဲပဲဗျို ။



ရွှင်လန်းချမ်းမြေ့ပါစေ။

Kyaw Khaing Soe (infoTherapy-2013)



REFERENCES:

1. Chapter 14 Number Theory, “Mathematics for Computer Science” by Prof. Albert R. Meyer (Massachusetts Institute of Technology) revised May 9, 2010

2. Chapter 15 Derandomization / cryptography double feature, Chapter 16 Private-key cryptography, Chapter 17 Public-key cryptography, “Great Ideas in Theoretical Computer Science” By Prof. Scott Aaronson (Massachusetts Institute of Technology)

3. CEHv7, Module 18, Cryptography

4. “Journey into Cryptography” 11-Video Series From Khan Academy

5. Various related articles from “Wikipedia, the free encyclopedia” 

မှတ်ချက်။ ၂၀၁၃ March နှင့် April လထုတ် ကွန်ပြူတာဂျာနယ် တွင်ဖေါ်ပြပြီးသော ဆာင်းပါးများကို ပန်လည်တင်ပြခြင်းဖြစ်ပါသည်။


Wednesday, March 6, 2013

ဆော့ဖ်ဝဲ၏ ဆင့်ကဲဖြစ်စဉ်များ

မိတ်ဆက်
ကျွန်တော်တို ဟာ “ဆင့်ကဲဖြစ်စဉ်” လို ကြားလိုက်တာနဲ  “လူသည် မျာက်က ဆင်းသက်၏” ဆိုတဲ့ စကားကို ပးသတိရမိလေ့ရှိပါတယ်။ အဲဒီစကားဟာ ဗိတိသျှ သဘာ၀တ္ထပညာရှင်ကြီး (Naturalist - အပင်နဲ  တိရိစၦာန် တွကို လ့လာသူ) ချားလ်စ် ဒါ၀င် (Charles Robert Darwin, 12 February 1809 – 19 April 1882) ရဲ့ ဆင့်ကဲဖြစ်စဉ်သီအိုရီ (Evolutionary Theory) ကို မပြည့်မစုံ ကာက်ချက်ချထားတဲ့ စကားတခွန်းဖြစ်ပါတယ်။ “အကြမ်းထည်အဆင့် ရုပ်လက္ခဏာသွင်ပြင်နဲ  မပြည့်စုံသေးတဲ့ အသိဉာဏ်အဆင့်အတန်းသာရှိတဲ့ မျာက်တွေအဖြစ်က၊ ဒီကနေ မှာ မင်တွေ နရတဲ့ သွင်ပြင်လက္ခဏာ အသိဉာဏ်အဆင့်အတန်းမျိုးရှိတဲ့ လူတွေအဖြစ်မျိုးကို အချိန်ကာလနဲ အမျှ တဖြည်းဖြည်း တဆင့်ပြီးတဆင့် တိုးတက်ပြောင်းလဲလာကြတယ်” လို  ဆိုလိုတာဖြစ်ပါတယ်။ အဲဒီ သီအိုရီကတော့ ဒီဆောင်းပါးရဲ့ နယ်နမိတ်အပြင်ဖက်က အကြောင်းအရာပါ။ ဒါပေမယ့်လည်း ခု ကျွန်တော်တို ဆွးနွေးမယ့် ဆာ့ဖ်၀ဲဆင့်ကဲဖြစ်စဉ် (software evolution) နဲ  ပတ်သက်ပြီး evolution ဆိုတဲ့ ၀ါဟာရသုံးစွဲမှုအကြောင်းကို မိတ်ဆွေတို အနေနဲ  နှိုင်းယှဉ် ဆင်ခြင် သုံးသပ် နိုင်အောင်တင်ပြတာပါ။ ဘာလို လဲဆိုတော့ “ဆော့ဖ်၀ဲဆိုတာဟာလည်း အမှားများတဲ့အခြေအနေ သုံးစွဲသူ သိပ်စိတ်တိုင်းမကျသေးတဲ့ အခြေအနေမျိုးကနေ၊ ပိုမိုပြည့်စုံကောင်းမွန်လာတဲ့ အမှားအယွင်းနည်းလာတဲ့ သုံးစွဲသူတွေ ပိုပြီးကျေနပ်နှစ်သက်မှုရှိလာတဲ့ အခြေအနေ အဆင့်အတန်းမျိုးကို တဖြည်းဖြည်း တိုးတက်ပြောင်းလဲလာတတ်တဲ့ သဘောသဘာ၀ ရှိလို ပါပဲ”။ အဲဒီလို တိုးတက်ပြောင်းလဲမှုဟာ သူ အလိုလို ဖစ်လာတာတော့မဟုတ်ဘူးပေါ့။ လက်တွေ လာကရဲ့ လိုအပ်ချက်တွေပြောင်းလာလို ၊ သုံးစွဲသူတွေက တစုံတခု ပာင်းလဲချင်လို ၊ ဆာ့ဖ်၀ဲ ကိုယ်တိုင်မှာက အမှားအယွင်းအားနည်းချက်တချို  ရှိနေလို  စတဲ့အကြောင်းကြောင်းတွေကြောင့် ဆာ့ဖ်၀ဲရေးသားထုတ်လုပ်မှု လုပ်ငန်းစဉ် (software development process) ရဲ့ အဆင့်တဆင့်ဖြစ်တဲ့ maintenance အဆင့်မှာ၊ ဆာ့ဖ်၀ဲကို ပင်ဆင်ရင်း ချဲ့ထွင်ရင်း မွန်းမံရင်းနဲ ပဲ ဆာ့ဖ်၀ဲဆင့်ကဲဖြစ်စဉ် အစပြုလာတယ်ဆိုပါတော့။ တကယ်တော့ အဲဒီ ပင်ဆင် ချဲ ထွင် မွန်းမံ တဲ့အဆင့်ကို သိပ္ပံနည်းကျကျ နဲ  အင်ဂျင်နီယာပညာရပ်ဆန်ဆန် အသေးစိပ် လ့လာတာဟာ ဆာ့ဖ်၀ဲဆင့်ကဲဖြစ်စဉ် ကို လ့လာတာပါပဲ။
Maintenance ဘာလဲ ဘာကြောင့်လဲ
Maintenance ဆိုတာ စနစ် (system) တခု စတင်လည်ပတ်အသုံးပြုပြီး ကာလကနောက်ပိုင်း အဲဒီ စနစ်အပေါ်မှာလုပ်ဆောင်တဲ့ ဘယ်လိုအပြောင်းအလဲ မျိုးကိုမဆို ရည်ညွှန်းတာဖြစ်တယ်။ ဒါထက် စကားမစပ်ပြောရရင်တော့ တချို တချို သာ ကွန်ပြူတာသိပ္ပံပညာရှင်တွေနဲ  ဆာ့ဖ်၀ဲပညာရှင်တွေက ဒီ maintenance ဆိုတဲ့ စကားလုံးကို သိပ်မကြိုက်ကြဘူးဗျ။ ဘာလို တုန်းဆိုတော့ တခြား ရုပ်ပိုင်းဆိုင်ရာ အင်ဂျင်နီယာပညာရပ် နယ်ပယ်တွေမှာ သုံးတဲ့ maintenance အဓိပ္ပါယ်နဲ ၊ ဆာ့ဖ်၀ဲအင်ဂျင်နီယာ နယ်ပယ်မှာသုံးတဲ့ maintenance အဓိပ္ပါယ်က ကွာခြားတာကိုး။ ဒါပေမယ့်လည်း ခက်တာက ဒီစကားလုံးဟာ ဆာ့ဖ်၀ဲလောကမှာ ကပ်ငြိ တွင်ကျယ် အတည်ဖြစ်နေပြီ ဆိုတော့လည်း ဒီအတိုင်းပဲ ဆက်သုံးကြတာပေါ့။ ကျွန်တော်တို ရဲ့ ဆာ့ဖ်၀ဲနယ်ပယ်မှာတော့ maintenance ကို ဟာဒီလို အမျိုးအစားလေးမျိုး ခွဲထားတယ်..။
၁. Corrective maintenance:  ဆာ့ဖ်၀ဲအသုံးပြုပြီးဆောင်ရွက်နေတဲ့ န စဉ်လုပ်ငန်းဆောင်တာတွေ မှန်ကန်မှု တိကျမှု ရှိအောင် လုပ်တာ။ ကိုယ့်ဆော့ဖ်၀ဲမှာ ရှိနေတဲ့ အားချက်တွေ အမှားတွေကို ပင်တာ။
၂. Adaptive maintenance: တခြား system တွ(software, hardware, netware) နဲ  လိုက်လျောညီထွေ အဆင်ပြေမှုရှိအောင် ပူးပေါင်းဆောင်ရွက်နိုင်အောင် ကိုယ့် system ကိုယ့်ဆော့ဖ်၀ဲကို ပင်ဆင်ပြောင်းလဲမှုတွေလုပ်တာ။
၃. Perfective maintenance: system ထဲက လက်ရှိ လုပ်ကိုင်ဆောင်ရွက်နေတဲ့ function တွကိုပဲ၊ ပိုပြီးပြည့်စုံတဲ့ အဆင့်ရောက်လာအောင် ကာင်းသထက်ကောင်းလာအောင် ဆာင်ရွက်တာ။
၄. Preventive maintenance: ကိုယ့် system ရဲ့ လုပ်ကိုင်ဆောင်ရွက်နိုင်မှုစွမ်းရည်တို  အမြန်နှုန်းတို  (performance/productivity) လက်မခံနိုင်လောက်တဲ့ အဆင့်ထိ ကျမသွားအောင် ဆာင်ရွက်တာ။ .. ဆိုပြီး maintenance လုပ်ရတဲ့ အကြောင်းရင်းပေါ်မူတည်ပြီး အုပ်စုလေးစု ခွဲထားပါတယ်။
Maintenance ကို ဘယ်သူတွေလုပ်သလဲ
ဆော့ဖ်၀ဲကို ပင်ဆင် ချဲ့ထွင် ထိမ်းသိမ်းသူ (software maintainter) တွဟာ ဆာဖ့်၀ဲရေးသားတည်ဆောက်သူ (software developers) တွ လုပ်ရတဲ့ အလုပ်တွေအပြင် တခြားအလုပ်ပေါင်းများစွာကိုပါ လုပ်ဆောင်ရတဲ့သူတွေဖြစ်တယ်။ customer တွ၊ business analysis, requirement analysis တွ၊ marketing အဖွဲ တွ၊ testing team, development team စတာတွေ အပြင် higher management person တွ နဲ  ပါ အမြဲမပြတ် ထိတွေ ဆက်ဆံ တွ ဆုံ ဆွးနွေးရတဲ့ အလုပ်တွေကိုပါ လုပ်ရတာကိုး။ ဒါကြောင့် အလွန်အတွေ အကြုံများပြီး ရင့်ကျက်ကျွမ်းကျင်တဲ့ software developer တွကသာ software maintainer တွအဖြစ် လုပ်ကိုင်လေ့ရှိတယ်။ ဒီလို system တစ်ခုကို တိုးချဲ့ ပင်ဆင် ထိမ်းသိမ်းမှု လုပ်တဲ့အခါ အဲဒီ system ကို တည်ဆောက် ရးသားခဲ့တဲ့ developer တွကိုပဲ ပန်အသုံးပြုတာနဲ ၊ ကျွမ်းကျင် developer တွပါ၀င်တဲ့ တခြားသီးသန်  အဖွဲ ကို အသုံးပြုတာ ဆိုပြီး software maintainer တွနဲ  ပတ်သက်ပြီး အကြမ်းဖျဉ်း အုပ်စုနှစ်မျိုးခွဲနိုင်ပါတယ်။
software system တခုကို တခြားသီးသန် အဖွဲ က maintenance လုပ်တယ်ဆိုရင်
• ဆာ့ဖ်၀ဲရဲ့ အားနည်းချက်တွေနဲ ပတ်သက်လို  ပိုပြီး ဓမ္မဓိဌာန်ကျကျ ကိုယ်တိုင်သုံးစွဲသူရဲ့ အမြင်ရှုထောင့်ကနေ ကြည့်ရှုဆင်ခြင် စဉ်းစားနိုင်တယ်။
• System တခု ဘယ်လိုအလုပ်လုပ်နေသလဲ ဆိုတာကိုကြည့်ပြီး အဲဒီ system ဘယ်လို အလုပ်လုပ်သင့်တယ်ဆိုတာကို ပိုပြီး အလွယ်တကူ ခွဲခြားနိုင်တယ်။
…ဆိုတဲ့အားသာချက်တွေ ရရှိနိုင်ပါတယ်။
Development team ထဲက ပုဂ္ဂိုလ်တွေကပဲ maintenance လုပ်တာဆိုရင်တော့ ကာင်းကျိုးအနေနဲ
• ကိုယ်တည်ဆောက်ထားတဲ့ system ဖစ်တဲ့အတွက် maintenance လုပ်ရတာ လွယ်ကူတယ်။ ဒါကြောင့် အချိန်/ငွေ ပိုသက်တာတယ်။
ဒါပေမယ့် အားနည်းချက်ကတော့
• Developer တွ အနေနဲ  ကိုယ့်ကိုယ်ကို ယုံကြည်မှု ပိုကဲလွန်းသွားနိုင်ပြီး maintenance အလုပ်ကို (နောက်နောင်မှာ တချိန်မှာ) အများကြီး အထောက်အကူပြုမယ့် documentation တွဘက်မှာ အလေးထား အားစိုက်မှု လျာ့နည်းသွားနိုင်တယ်။
“ဒါ..ဒို ရးထားတာ ဒို သိတာပေါ့။ ဘာ documentation မှ မလိုပါဘူး” ဆိုပြီး  ဆာ့ဖ်၀ဲနဲ  ပတ်သက်တဲ့ မှတ်တမ်းမှတ်ရာ တွကို ကာင်းကောင်းမလုပ်ပဲ ဥပေက္ခာ ပုတတ်ကြပါတယ်။ တကယ်တော့ software team ဆိုတာ အမြဲတန်း အ၀င်အထွက် အပြောင်းအရွှေ ရှိမြဲဖြစ်ပါတယ်။ လူဟောင်းတွေ ပာင်းရွှေ သွားတဲ့အခါ ဒါမှမဟုတ် အလုပ်ထွက်သွားတဲ့အခါ အသစ်၀င်ရောက်လာတဲ့ developer တွ အနေနဲ  documentation ကာင်းကောင်းမရှိတဲ့ ဆာ့ဖ်၀ဲကို maintenance လုပ်ရတာဟာ မပုံမရှိ လမ်းညွှန်မရှိ သံလိုက်အိမ်မြှောင်မရှိပဲ သငေ်္ဘာကြီးတစင်းကို သမုဒ္ဒရာခရီးနှင်ရသလို ဖစ်နေပါလိမ့်မယ်။

တည်ဆောက် ပင်ထိမ်း အချိုး (development vs. maintenance)
1970 မှာတင်ပြခဲ့တဲ့ Royce ရဲ့“Water Fall Model” အရဆိုရင် ပရောဂျက် စုစုပေါင်းကုန်ကျစရိတ်ရဲ့ ၇၅% ကနေ ၉၅% ထိဟာ maintenance အလုပ်တွေအတွက် အသုံးပြုရတယ်ဆိုပါတယ်။
တခါ Fjedstad နဲ  Hamlen တို  1979 မှာ ပုလုပ်ခဲ့တဲ့ လ့လာမှုအရ ပရောဂျက်တခုအတွက် ရင်းနှီးစိုက်ထုတ်မှု (အချိန်၊ လူ၊ ငွ၊ နည်းပညာ၊ ကျွမ်းကျင်မှု စတာတွေ) စုစုပေါင်းရဲ့ 39% ဟာ ဆာဖ့်၀ဲ ရးသားတည်ဆောက်တဲ့အဆင့်မှာ အသုံးပြုရပြီး၊ ဆာ့ဖ်၀ဲပြင်ဆင်ချဲ့ထွင်မွန်းမံမှုအတွက် 61% အသုံးပြုရတယ်ဆိုပါတယ်။
ဒါ့အပြင် Parikh နဲ  Zvegintzov တို  1983 မှာ ပုလုပ်ခဲ့တဲ့ လ့လာမှုအရ software development time က ၂-နှစ် ကြာရင် အဲဒီ system ရဲ့ maintenance time က ၅-နှစ် ကနေ ၆-နှစ် ထိ ကြာတယ်လို  ဆိုပါတယ်။
ဒါကြောင့် ဆာ့ဖ်၀ဲအင်ဂျင်နီယာလောကမှာ ဆာ့ဖ်၀ဲပြင်တာ-ရေးတာ နဲ  ပတ်သက်ပြီး ၈၀-၂၀ စည်းမျဉ်း (80-20 rule) ကို အကြမ်းဖျဉ်းလက်ခံကျင့်သုံးလေ့ရှိပါတယ်။ အဓိပ္ပါယ်က development အတွက် ၂၀% အားစိုက်ရပြီး၊ maintenance အတွက် 80% အားစိုက်ရတယ်လို  ဆိုလိုတာပါ။
ကဲ. . ဒီလောက်ဆိုရင်ပဲ maintenance လုပ်ငန်းစဉ်ဟာ ဘယ်လောက်အရေးကြီးကြောင်း မိတ်ဆွေတို ရိပ်စားမိလောက်ပါပြီ။ အမှားတစ်ခုကို ပင်ဆင်ဖို  တခါတရံမှာ ဘယ်လောက်ထိ အရင်းအနှီး ကြီးမားသလဲဆိုတာရဲ့ တခြား လက်တွေ ထင်ရှားတဲ့ ဥပမာကတော့ လတ်တလောကပဲဖြစ်ခဲ့တဲ့ Toyota ကုမ္ပဏီက သူ ရဲ့ Prius ကားပေါင်း တသိန်းခြောက်သောင်းကျော် ပန်သိမ်းရတဲ့ အဖြစ်အပျက်ကိုသာ ကြည့်လိုက်ပါတော့။
ဒီနေရာမှာ မးစရာမေးခွန်းတခုရှိလာတာက “ဆော့၀ဲမှန်သမျှကို အဲဒီလို ဘတ်ဂျက်တွေ အကြီးအကျယ်သုံးပြီး maintenance လုပ်နေ ဖို  လိုအပ် လို လားဗျ” ဆိုတာပါပဲ။ အဖြေကရှင်းပါတယ် “နိုး” ပါ့။ ဒါဆိုရင် ဘယ်လိုဆော့ဖ်၀ဲစနစ်တွေက evolution ဖစ်ဖို  maintenance လုပ်ဖို  ဘယ်လောက်အထိလိုအပ်သလဲဆိုတာ ဆက်လက် လ့လာကြည့်ကြပါစို ။

ဆော့ဖ်၀ဲစနစ်အမျိုးအစားများ
ကွန်ပြူတာသိပ္ပံပညာရှင် လးမဲန်း (Meir Manny Lehman, January 24 1925 – December 29 2010) က maintenance နဲ  evolution ပါ်အခြေပြုပြီး ဆာ့ဖ်၀ဲစနစ်တွေကို အဓိကအုပ်စုကြီး သုံးစု ခွဲပြထားပါတယ်။
၁. S-System (Specifiable) အဓိပ္ပါယ်သတ်မှတ်ထားတဲ့အတိုင်း တိတိကျကျ နဲ  ပုံစံတကျ ရးသားအကောင်အထည်ဖေါ်ထားတဲ့ စနစ်၊ ပာင်းလဲမှုမလိုအပ်တဲ့စနစ်။ ဥပမာ မိတ်ဆွေတို  ကျာင်းသားဘ၀မှာ လုပ်ခဲ့တဲ့ software/program assignment တွလိုမျိုးပေါ့။ ပးထားတဲ့ specification အတိုင်း ပုစၦာအတိုင်း တိတိကျကျ ဘာင်၀င်အောင် ရးလိုက်ရင်ပြီးပြီ။ အသုံး၀င်တာ မ၀င်တာ၊ ချဲ ထွင် ပင်ဆင်လို ရတာ မရတာတွေ မစဉ်းစားဘူး။ ခိုင်းထားတဲ့ (specification) အတိုင်း ရးထားတယ်ဆိုရင်ပဲ ဆရာတွေကလက်ခံမယ်။ မိတ်ဆွေလည်း အမှတ်ကောင်းကောင်းရမယ်။ ဒါလောက်ပဲ။
၂. P-System (Problem-solving) ပင်ပလက်တွေ လာကရဲ့ ပဿနာနဲ အဖြေက ရှင်းရှင်းလင်းလင်း နဲ  တည်ငြိမ်မှုရှိပြီးသား ဖစ်ကောင်းဖြစ်နိုင်ပေမယ့်၊ တကယ် program/software ရးတဲ့အခါ ပဿနာရဲ့ အနီးစပ်ဆုံး အဖြေကိုသာ အခြေပြု ရးသားထားတဲ့စနစ်။ ဒီလိုစနစ်မျိုးတွေဟာ တဆင့်ခြင်း တဆင့်ခြင်း တိုးတက်ပြောင်းလဲသွားဖို လုပ်ဆောင်မယ်ဆိုရင် လုပ်ဆောင်လို ရတယ်။ ဥပမာ စစ်တုရင် ကစားတဲ့ ဂိမ်းလိုမျိုးပေါ့။ ပင်ပလောကမှာ တိကျရှင်းလင်းတဲ့ ဥပဒေသတွေ နည်းစနစ်တွေ ရှိပြီးဖြစ်ပေမယ့် ဂိမ်းရဲ့ စကားပုံစကားနည်းတွေ ရလာဒ်တွေ အဖြေတွေကတော့ အမြဲဲ ဆန်းသစ်ပြောင်းလဲ နတဲ့ သဘောရှိတာကိုး။ ဒါကြောင့် အဲ့ဒီလို စနစ်မျိုးတွေကို ဆာ့ဖ်၀ဲရေးတဲ့အခါ ဘယ်တော့မှ တခါတည်းနဲ  (version တခုတည်းနဲ ) ၁၀၀% ပည့်စုံသွားအောင် ရးလို မရဘူး။ အသစ် အသစ်သော logic တွ နဲ ၊ တခြား တခြားသော ဖစ်နိုင်ခြေတွေ ထပ်ဖြည့်ပြီး ကိုယ့် ဆာ့ဖ်၀ဲကို (version အသစ်တွေအဖြစ်) အမြဲ ချဲ ထွင် မွန်းမံနေလို ရတယ်။
၃. E-System(Embedded) တကယ့်လက်တွေ ပင်ပလောကထဲမှာ တိုက်ရိုက် ထည့်သွင်းလည်ပတ်နေတဲ့ စနစ်မျိုးတွေ။ ပင်ပလောက က အချိန်နဲ အမျှပြောင်းလဲနေသလို၊ ကိုယ့်ရဲ့ ဆာ့ဖ်၀ဲစနစ် ကလည်း ပင်ပလောကနဲ အတူ အချိန်နဲ အမျှ လိုက်ပြောင်းနေဖို မဖြစ်မနေလိုအပ်တဲ့ စနစ်မျိုး။ ဥပမာတွေကတော့ အများကြီးပါ။ ဒီလို e-type စနစ်မျိုးတွေကမှ maintenance ကို heavy လုပ်ရတဲ့ စနစ်မျိုးတွေပေါ့။

ဆောဖ့်၀ဲ ဆင့်ကဲဖြစ်စဉ် ဥပဒေသများ
M M. Lehman က သူ အတွေ အကြုံကို အခြေခံပြီး ဆာ့ဖ်၀ဲဆင့်ကဲဖြစ်စဉ် ဥပဒေသ (Laws of Software Evolution) ၈-ခုကို ဖါ်ထုတ်တင်ပြခဲ့ပါတယ်။ အဲဒီလို တင်ပြခဲ့တဲ့နေရာမှာ စိတ်ကူးစိတ်သန်းသက်သက်နဲ  တထိုင်တည်းနဲ  ၈-ချက်လုံး တင်ပြခဲ့တာမဟုတ်ပါဘူး။ e-type ဆာ့ဖ်၀ဲစနစ်ပေါင်းများစွာကို လ့လာပြီးမှ၊ အထူးသဖြင့် IBM ရဲ့ OS/360, OS/370 တို ကို အသေးစိပ်လေ့လာပြီး၊ ၁၉၇၄ ခုနှစ်ကနေ ၁၉၉၆ ခုနှစ်အထိ နှစ်ပေါင်း ၂၀ ကျာ် ကာလအတွင်းမှာ တချက်ပြီးတချက် တဖြည်းဖြည်း ချဲ့ထွင်တင်ပြခဲ့တာပါ။ ဒီအချက်တွေဟာ ဥပဒေသ Law ဆိုတာထက်၊ တကယ်တော့ တွးခေါ်ယူဆချက် Hypothesis တွပါပဲ။ ကျွန်တော်ရဲ့ ဒီဆောင်းပါးမှာတော့ (ကျမ်းလေးအံ့စိုးရ်ု :-) အချက်နှစ်ချက်ကိုသာ ဆွးနွေးမှာဖြစ်ပါတယ်။ မိတ်ဆွေတို  ဆက်လက် လ့လာချင်တယ်ဆိုရင် ရည်ညွှန်းစာအုပ်စာတမ်းတွေမှာ ရှာဖွေဖတ်ရှုကြပါ။
၁ ဆက်လက်ပြောင်းလဲနေခြင်း(Continuing Change)
E-Type system တွဟာ အဆက်မပြတ် တိုးတက်ပြောင်းလဲနေဖို  လိုအပ်ပါတယ်။ ပင်ပကမ္ဘာမှာ တိုးတက်လာသလောက် လိုအပ်လာသလောက်ကို ရာင်ပြန်ဟပ် ဆာင်ရွက်နိုင်စွမ်းရှိရပါမယ်။ အဲဒီလိုမှမဟုတ်ရင် သုံးစွဲသူတွေရဲ့ စိတ်ကျေနပ်မှုနဲ  လိုအပ်ချက်ကို ဖည့်ဆည်းပေးနိုင်မှာ မဟုတ်တော့ဘူး။ ထင်ရှားတဲ့ ဥပမာတခုကတော့ သူ ခတ်သူ အခါက ၀က်၀က်ကွဲအောင်မြင်ခဲ့တဲ့ Windows98 ကို ဒီကနေ မှာ ဘယ်သူမှမသုံးတော့ပါဘူး။ 98 ကနေ လက်ရှိအောင်မြင်နေတဲ့ Windows 7 တို  8 တို ကို upgrade လုပ်လို လည်းမရပါဘူး။ ဒါဟာ Windows98 ရဲ့ ထပ်မံ တိုးချဲ  မွန်းမံ ပင်ဆင် နိုင်စွမ်း ဂိတ်ဆုံးသွားလို ပဲ ဖစ်ပါတယ်။
ဒီနေရာမှာ မိတ်ဆွေတို  သတိပြုစရာကတော့ system တခုဟာ maintenance လုပ်တိုင်းလည်း ဆင့်ကဲတိုးတက်မလာတော့ဘူးဆိုတာပါပဲ။ သူ မှာလည်း ယိုယွင်းပျက်သုဉ်းမှု (Decay) ဖစ်တဲ့အဆင့်တဆင့်ရှိပါတယ်။ ဒီလိုအဆင့်ရောက်လာပြီဆိုရင် စနစ်သစ်ကိုပြောင်းသုံးမလား (migration) ဒါမှမဟုတ် အစအဆုံး အသစ်ပြန်ရေးမလား (re-engineering) ဆိုတာ စတင်စဉ်းစားရပါတော့တယ်။ အဲဒီလို maintenance လုပ်ဆောင်မှု ရပ်တန် သင့်တဲ့ အခြေအနေတွေကို နာက်ပိုင်းမှာ သီးသန် ဆွးနွေးပါမယ်။
၂ ရှုပ်ထွေးမှု တိုးမြင့်လာခြင်း (Increasing Complexity)
ဆော့ဖ်၀ဲတခုကို maintenance လုပ်လေလေ အဲဒီဆော့ဖ်၀ဲရဲ့ရှုပ်ထွေးမှု (complexity) မင့်မားလာလေလေဖြစ်ပါတယ်။ ရှုပ်ထွေးမှုမြင့်မားတဲ့အတွက် ပင်ဆင်ရတာပိုပြီးခက်ခဲလာသလို ထပ်ပြီး ဆင့်ကဲတိုးတက်ဖို အတွက်လည်း တဖြည်းဖြည်း ပိုပြီးခက်ခဲလာပါတယ်။ ဒါကြောင့် ဆာ့ဖ်၀ဲရဲ့ ရှုပ်ထွေးမှုကို သိပ်မြင့်မားမလာအောင်ထိန်းထားဖို  ဒါမှမဟုတ် ရှုပ်ထွေးမှုလျော့ကျသွားအောင်လုပ်ဖို  မဖြစ်မနေလိုအပ်ပါတယ်။ ဆာ့ဖ်၀ဲစနစ်မှာပါတဲ့ moduleတွေ functionတွေ classတွေ libraryတွေ အချင်းချင်း အပြန်အလှန် ဘယ်လောက်ထိမှီခိုနေကြသလဲ၊ source code တွ ကိုယ်တိုင်မှာက ဘယ်လို ဘယ်လောက်ထိ ရှုပ်ထွေးမှုရှိနေသလဲဆိုတာတွေကို၊ မျက်မြင်လက်တွေ စစ်ဆေးတဲ့နည်း (visual inspection) နဲ  အချက်အလက် စာရင်းဇယားတွေကို သရုပ်ခွဲဆန်းစစ်လေ့လာတဲ့နည်း (statistical analysis) တွကို အသုံးပြုပြီး ဆာ့ဖ်၀ဲရှုပ်ထွေးမှုအတိုင်းအတာကို သိရှိအောင် ထာက်လှမ်းရပါတယ်။ ပီးမှ refactoring, re-structuring, re-documenting, re-engineering စတဲ့ နည်းစနစ်တွေသုံးပြီး ဆာ့ဖ်၀ဲရှုပ်ထွေးမှုလျော့ကျအောင် ဆာင်ရွက်ရပါမယ်။ ဒါက ဆာ့ဖ်၀ဲဆင့်ကဲဖြစ်စဉ်မှာ မဖြစ်မနေကြုံရတဲ့ ဆာ့ဖ်၀ဲရှုပ်ထွေးမှုအကြောင်းပါ။ တခြားကျန်တဲ့ ဥပဒေသ ခာက်ချက်ကတော့ Self Regulation, Conservation of Organizational Stability, Conservation of Familiarity, Continuing Growth, Declining Quality နဲ  Feedback System တို ပဲဖြစ်ပါတယ်။ မိတ်ဆွေတို  စိတ်၀င်စားတယ်ဆိုရင် ရည်ညွန်းစာအုပ်စာတမ်းတွေမှာ ဆက်လက်လေ့လာ ဖတ်ရှုကြပါလို  ပန်ကြားလိုပါတယ်။

Maintenance ရပ်သင့်တဲ့အချိန်
• ပင်ဆင်ထိမ်းသိမ်းစရိတ် (maintenance cost) မင့်မားလွန်းနေရင်
• system ရဲ့ စိတ်ချယုံကြည်ရမှု(reliability) အဆင့်က လက်ခံနိုင်စရာအဆင့် မရှိတော့ရင်
• ကိုယ့်ရဲ့ system ဟာ နာက်ထပ်လာမယ့်အပြောင်းအလဲတွေကို သင့်လျော်တဲ့ အချိန်ကာလတခုအတွင်းမှာ လက်ခံနိုင်စွမ်း(adaptability) မရှိတော့ရင်
• System ရဲ့ အမြန်နှုန်းစွမ်းရည် (performance) ဟာ သတ်မှတ်ထားတဲ့ဘောင်ကို ကျာ်လွန် ကျဆင်းနေရင်
• System ရဲ့ လုပ်ဆောင်ချက် (function) တွဟာ အကန် အသတ်နဲ ပဲ အသုံး၀င်မှုရှိတော့တဲ့ အနေအထားမျိုးရောက်လာရင်
• တခြား system တွက ကိုယ့် system နဲ ယှဉ်လိုက်ရင် ပိုပြီး ကာင်းကောင်း မန်မြန် နဲ  ကုန်ကျစရိတ်သက်သက်သာသာ လုပ်နိုင်နေပြီဆိုရင်
• ပိုသက်သာပြီး ပိုမိုသစ်လွင်တဲ့ ပိုစွမ်းရည်မြင့်တဲ့ hardware နဲ  အစားထိုးလဲလှယ် နိုင်လောက်တဲ့အထိ၊ ကိုယ့် system ရဲ့ (old) hardware တွကို ပင်ဆင် ထိမ်းသိမ်းရတဲ့ စရိတ်က မင့်မားနေပြီ..
စတဲ့ အခြေအနေတွေ ရှိနေပြီဆိုရင် ကိုယ့်ရဲ့လက်ရှိ စနစ်ဟာ ထပ်မံ တိုးတက်ဖို  မဖြစ်နိုင်တော့သလောက်အခြေအနေရောက်နေပြီ၊ လက်ရှိစနစ်ဟာ ယိုယွင်းပျက်သုဉ်းစပြုနေပြီ၊ ဒါကြောင့် လက်ရှိ စနစ်ကို maintenance လုပ်နေမယ့်အစား စနစ်သစ်တခုကို migration လုပ်ဖို  ဒါမှမဟုတ် တခြား system အသစ်တစ်ခုကို ပာင်းသုံးဖို  လိုအပ်နေပြီလို  သိနိုင်ပါတယ်။

နိဂုံးအမှာ
“ဟုတ်ပါပြီ ခင်ဗျားပြောတဲ့ p-type တို  e-type တို ၊ ဆာ့ဖ်၀ဲဆင့်ကဲဖြစ်စဉ်တို  ဘာတို  ညာတို .. ထားပါတော့ ။ ဒါတွေ လ့လာနေတော့ သိတော့ကော ကျုပ်တို အတွက် ဘာအကျိုးရှိမှာမို လဲ။ ဒီ စာအုပ်ကြီးထဲက ခပ်ကြောင်ကြောင် သဘောတရားတွေဟာ လက်တွေ  ပင်ပလောကမှာ တကယ်ရော အသုံးကျလို လား။” လို  မိတ်ဆွေတို  မးကောင်း မးနိုင်ပါတယ်။ ကျွန်တော်ကိုယ်တိုင်လည်း ပရိုဂရမ်ရေးတာ ဆာ့ဖ်၀ဲရေးတာ သင်ကာစက၊ analysis တို  design တို  ဆာ့ဖ်၀ဲအင်ဂျင်နီယာပညာရပ်နဲ  သက်ဆိုင်တဲ့ သိီအိုရီ အယူအဆ သဘောတရားရေးရာတို  အဲဒါတွေ လ့လာနေရတာထက်၊ coding တွ တဖြောင်းဖြောင်း ရးလိုက်တာကို ရးနိုင်တာကို မှ တကယ့်အလုပ်ကြီးလို  ထင်မြင်ယူဆခဲ့ဖူးပါတယ်။ တကယ်တော့ ဒီ ဆာ့ဖ်၀ဲဆင့်ကဲဖြစ်စဉ် အယူအဆ သဘောတရားတွေဟာလည်း အများစုသောကျွန်တော်တို  န တဓူ၀ ရးနေတဲ့ န မင် ညပျောက် မည်ကာမတ္တ ထမင်းစားဆော့ဖ်၀ဲတွေ (တကယ်တော့ ဆာ့ဖ်၀ဲလို  ပာဖို တာင်ခပ်ခက်ခက် coding တွ) အတွက် တာ့အသုံးချလို ရမယ်မထင််ပါဘူး။ နှစ်ပေါင်းများစွာ ကာလရှည်ကြာ ခိုင်ခိုင်မာမာ ရပ်တည်နေတဲ့ Linux တို လို Windows တို လို operating system software တွ၊ Adobe Systems ရဲ့ photoshop တို လို reader တို လို အသုံးချဆော့ဖ်၀ဲ တွလိုမျိုး versionတွေ တစ်ခုပြီးတခု တိုးတက်ပြောင်းလဲလာတဲ့၊ လက်ရှိလည်း ဆက်လက်ပြီး တိုးတက်ပြောင်းလဲနေတဲ့ တကယ့်ဆော့ဖ်၀ဲကြီးတွေ မှာမှသာ သိမြင်ခံစားနိုင်တဲ့ သဘောတရားတွေပါ။ ဒါ့အပြင် နိုင်ငံစုံကော်ပိုရေးရှင်းကြီးတွေ၊ ကမ္ဘာ့ သုတေသနဌာနကြီးတွေ နဲ  အစိုးရဌာနကြီးတွေ မှာ လည်ပတ်သုံးစွဲနေတဲ့ ၊ ဘတ်ချက် သန်းပေါင်းများစွာ အကုန်အကျခံရေးထားတာတဲ့ enterprise level customized software တွ မှာဆိုရင်လည်း ဒီသဘောတရားတွေကို ခံစားသိမြင်နိုင်ပါတယ်။ မိတ်ဆွေဟာ အဲဒီလိုအဖွဲ အစည်းကြီးတွေမှာ အဲဒီလိုဆော့ဖ်၀ဲမျိုးတွေကို ပါ၀င်ရေးသားရပြီဆိုရင် အနည်းဆုံးတော့ ““ဩ..လက်စသတ်တော့ ဒီလိုကိုး” လို  ရရွတ်နိုင်မှာ အပြင် မိတ်ဆွေအနေနဲ  ဒါရိုက်တာအဖွဲ  ဘုတ်အဖွဲ တို  budget sponsor တို  ကို အစည်းအဝေးတွေ ဘာတွေမှာ ‘ကိုယ့်ရဲ့ လက်ရှိ software စနစ်က ဘယ်လိုအပိုင်းတွေကို ချဲ ထွင်မွန်းမံရမယ်၊ ဘာကြောင့်လုပ်ရတယ်၊ ဘယ်လိုလုပ်ကြမယ်၊ ဘယ်သူတွေလုပ်ကြမယ်၊ ဘယ်လောက်ကြာနိုင်တယ်၊ ဘယ်လောက်ကုန်ကျနိုင်တယ်’၊ ဒါမှမဟုတ်လဲ ချဲ့ထွင်မွန်းမံမှုတွေ ဆက်လုပ်သင့် မလုပ်သင့် ဆိုတာတွေကို ပညာရှင်ဆန်ဆန် စနစ်တကျ အချက်အလက် အကျိုးအပြစ်နဲ  တင်ပြနိုင်စွမ်းရှိလာမှာပါ။ ဒါ့အပြင် ဘယ်ပညာရပ်မှာမဆို အဲဒီပညာရပ် နဲ  ပညာရှင်တွေ တိုးတက်ရေးအတွက် အဓိက အသက်သွေးကြောကတော့ သုတေသန လုပ်ငန်းတွေပါ။ သုတေသနအသစ်အဆန်းတွေကို တွးခေါ်ကြံစည်စဉ်းစားနိုင်ဖို အတွက်ကြတော့ (ရုပ်ဝတ္တုပိုင်းဆိုင်ရာ အခြေခံအဆောက်အဦးတွေ လိုအပ်သလို) ခိုင်မာကျယ်ပြန် တဲ့ သီအိုရီ အယူအဆ သဘောရေးရာတွေ လိုအပ်ပါတယ်။ တချိန်မှာ သိသင့်သိထိုက်တဲ့ သိမှဖြစ်မယ့်အရာတွေကို အခုကတည်းက ကြားဖူးနားဝ တီးမိခေါက်မိရှိနေရင် ပိုမကောင်းပေဘူးလားဗျာ။ (ဟေ့..ဘာမှမကောင်းဘူးကွ။ ကြီးကြီးကျယ်ကျယ်ကွာ။ သုတေသန နနေသာသာ မင်းပြောတဲ့ ထမင်းစားဆော့ဖ်ဝဲတောင် ပုံမှန်မရေးရလို ညစ်နေတာကွ။ မန်မာငွေ ၅၀၀၀ ရဖို  on-call ခါ်ထားတဲ့ဆီကို ၀င်းဒိုးပြန်တင်ပေးဖို  သွားလိုက်ဦးမယ်ဟေ့။;-)


ရွှင်လန်းချမ်းမြေ့ပါစေ။
infoTherapy-2013
References:
1. M.M. Lehman, “Programs, Life Cycles, and Laws of Software Evolution,” Proc. IEEE, IEEE Press, vol. 68, no. 9, 1980, pp. 1060–1076
2. Chapter 11: Maintaining the System From “Software Engineering: Theory and Practice” 3rd Edition, 2006, By Shari Lawrence Pfleeger and Joanne M. Atlee


Thursday, February 14, 2013

ကွန်ပျူတာသိပ္ပံ ဖြစ်နိုင်ခြေသီအိုရီ နှင့် ကျပမ်းဖြစ်စဉ်

မေရရာမႈ၏အတိုင္းအတာ (သို ့မဟုတ္) ျဖစ္ႏိုင္ေျခ
၁၇ ရာစုမွာ သခၤ်ာပညာရပ္ရဲ့ ကိုင္းခြဲတစ္ခုအျဖစ္ စတင္ေပၚေပါက္ခဲ့ျပီး ၂၀ ရာစုမွာ သူ ့ ရဲ့အေရးပါမႈ တဟုန္ထိုး တိုးတက္လာခဲ့တဲ့ ျဖစ္ႏိုင္ေျခသီအိုရီ (Probability Theory) ဟာ အခုခါမွာကြန္ျပဴတာသိပၸံအပါအ၀င္ တျခားပညာရပ္ေတြမွာပါ အဓိက အခန္းကဏၭက ပါ၀င္လာပါတယ္။ ဘာလို ့လဲဆိုေတာ့ ပညာရပ္ဆိုင္ရာ နယ္ပယ္အသီးသီးမွာ ရွိေနတဲ့  မေသခ်ာ မေရရာမႈျပႆနာ (uncertainty problem) ေတြနဲ ့၊ ျပႆနာေျဖရွင္းပံု နည္းလမ္းအဆင့္ဆင့္ (algorithm) ေတြမွာ က်ပမ္းျဖစ္စဥ္ (randomization) ေတြ ပါ၀င္ေနလို ့ျဖစ္ျပီး၊ အဲဒီ (uncertainty problem နဲ ့ ramdomization ေတြ) မွာ သံုးစြဲထားတဲ့၊ ဒါမွမဟုတ္ အဲဒီက ရရွိလာမယ့္ ကိန္းဂဏန္းေတြ ရလာဒ္ေတြရဲ့ “တိက်ေသခ်ာမႈ” သို ့မဟုတ္ “မတိက် မေသခ်ာမႈ” ကို စံုစမ္းစစ္ေဆးဖို ့၊ တိုင္းတာ အကဲျဖတ္ဖို ့အတြက္  ျဖစ္ႏိုင္ေျခသီအိုရီကို ပဲ သံုးရမွာကိုး။
ျဖစ္ႏိုင္ေျခႏွင့္ အသံုးခ်နယ္ပယ္မ်ား
ကၽြန္ေတာ္တို ့ကေတာ့ ‘ျဖစ္ႏိုင္ေျခ’ လို ့ ေျပာလိုက္တာနဲ ့ ေခါင္းပန္းလွန္တာ၊ အန္စာတံုးလွိမ့္တာ နဲ ့ ဖဲထုပ္ထဲက လိုခ်င္တဲ့ ဖဲခ်ပ္ဆြဲထုတ္တာ ေလာက္ပဲ ေျပးျမင္မိပါတယ္။ “ေခါင္းပန္းလွန္မယ္ေဟ့ ေခါင္း က်ႏိုင္ေျခ ဘယ္ေလာက္ လဲ။ ပန္းက်ႏိုင္ေျခဘယ္ေလာက္လဲ။”  ဆိုတဲ့အခါ “ေခါင္းနဲ ့ပန္း ႏွစ္မ်ိဳးတည္းရွိတာဆိုေတာ့ ျဖစ္ႏိုင္ေျခက တ၀က္ တ၀က္ စီ half  half, ဒါေၾကာင့္ ေခါင္းက်ႏိုင္ေျခ ေရာ ပန္းက်ႏိုင္ေျခေရာ 0.5 (50%) စီေပါ့ကြ။” ဆိုတာေလာက္နဲ ့ပဲ ျပီးသြားေလ့ရွိပါတယ္။ တကယ္ေတာ့ ဒီထက္ အမ်ားၾကီးပိုတဲ့ တကယ့္ အသံုးခ်နယ္ပယ္ေတြရွိပါေသးတယ္။ ဥပမာေျပာရရင္ ကြန္ျပဴတာသိပၸံပညာရပ္မွာဆို  ကြန္ျပဴတာစနစ္ရဲ့ ဒီဇိုင္း (computer system design) ပိုင္းဆိုင္ရာကိစၥရပ္ေတြျဖစ္တဲ့
·        memory management (မွတ္ဉာဏ္စီမံခန္ ့ခြဲမႈ)
·        branch prediction (ပရိုဂရမ္ေတြ၊ algorithm ေတြ၊ ေဆာ့ဖ္၀ဲ logic ေတြ နဲ ့ graph(computational graph theory) ေတြမွာ ေနာက္တဆင့္ ဘယ္သြားမယ္ ဘာလုပ္မယ္ ဘာျဖစ္မယ္ဆိုတာကို ခန္ ့မွန္းျခင္း)
·        packet routing (ကြန္ျပဴတာကြန္ယက္တေလ်ာက္ အခ်က္အလက္ေတြ ဘယ္လိုလမ္းေၾကာင္းကသြားတယ္) ဆိုတာ နဲ ့
·        load balancing  (ကြန္ျပဴတာ ဆာဗာ(server) ေတြ အခ်င္းခ်င္း အလုပ္ေတြကို ဘယ္လိုခြဲေ၀လုပ္ၾကတယ္)
စတဲ့ ကိစၥရပ္ေတြအားလံုးဟာ ျဖစ္ႏိုင္ေျခယူဆခ်က္နဲ ့ သရုပ္ခြဲေလ့လာဆန္းစစ္မႈ (probabilistic assumptions and analyses) ေတြကို အေျခခံထားတာပါ။ ဒါ့အျပင္ သီအိုရီကြန္ျပဴတာသိပၸံ (theoretical computer science)၊ သတင္းအခ်က္အလက္သီအိုရီ (information theory)၊ ဂိမ္းသီအိုရီ (game theory) တုပအသိဉာဏ္ (artificial intelligence) နဲ ့ ကုဒ္စကား၀ွက္စနစ္ (cryptography) ပညာရပ္ ေတြမွာပါ ဒီ ျဖစ္ႏိုင္ေျခသီအိုရီဟာ အခ်က္အျခာေနရာက ပါ၀င္ေနပါတယ္။
ျဖစ္ႏိုင္ေျခ၏ရႈပ္ေထြးမႈ (သို ့မဟုတ္) မြန္တီေဟာျပႆနာ
၁၉၉၀ စက္တင္ဘာ ၉-ရက္ ေန ့ထုတ္ အေမရိကန္ မဂၢဇင္း ‘Parade’ မွာ ျပန္စာတစ္ေဆာင္ပါလာတယ္။ ျပန္စာေရးတဲ့သူက ေကာ္လံစားသတင္းသမား Marilyn vos Savant။ ေပးစာ ေမးစာ ေရးတဲ့သူက Craig. F. Whitaker ဆိုတဲ့ ပုဂၢိဳလ္။ သူေရးထားတာ ေမးထားတာက…
“မိတ္ေဆြဟာ game show တစ္ခုမွာ ၀င္ ႏႊဲတယ္ဆိုပါေတာ့။ အဲဒီ game က ဒီလို။ (အခန္းသံုးခန္း) တံခါးသံုးခု ရွိတယ္။ အခန္းတခုထဲမွာက ကားတစီးရွိတယ္။ က်န္တဲ့ အခန္းႏွစ္ခန္းထဲမွာေတာ့ ဆိတ္ တစ္ေကာင္စီ ထည့္ထားတယ္။ အထဲမွာ ဘာရွိတုန္း မျမင္ရဘူး အခန္းတံခါးပိတ္ထားတယ္ေပါ့ဗ်ာ။ ၀င္ျပိဳင္တဲ့သူက အဲဒီသံုးခန္းထဲက တခန္းကို ေရြးရမယ္။ ဘယ္သူမဆို ကား ရွိတဲ့ အခန္းကိုပဲ ေရြးမွာေပါ့။ ဆိုပါစို ့ မိတ္ေဆြက အခန္းနံပါတ္ တစ္ကို ေရြးလိုက္တယ္ဆိုပါေတာ့။ မိတ္ေဆြေရြးလိုက္တဲ့ အခန္းထဲမွာ ဘာရွိတုန္း ခ်က္ျခင္း တံခါးဖြင့္ မျပေသးဘူးေနာ္။ အဲဒီမွာ ပြဲတင္ဆက္သူက တျခား က်န္တဲ့ အခန္းႏွစ္ခန္းထဲက ဆိတ္တေကာင္ ရွိေနတဲ့ အခန္းကို ဖြင့္ျပမယ္။ ထားပါေတာ့ နံပါတ္သံုးအခန္းေပါ့။ ျပီးရင္ မိတ္ေဆြကို “ခင္ဗ်ား နံပါတ္ႏွစ္အခန္းကို ေျပာင္း ယူမလား” လို ့ေမးမယ္။ (မိတ္ေဆြက နဂိုက အခန္းနံပါတ္ တစ္ ကို ေရြးခဲ့တယ္ေနာ္။) အဲဒီမွာ တကယ့္ေမးခြန္းက “သူေျပာသလို ကိုယ့္ရဲ့ နဂိုေရြးခ်ယ္ထားမႈ (အခန္းနံပါတ္တစ္)ကို စြန္ ့လႊတ္လိုက္ျပီး အခန္းနံပါတ္ ႏွစ္ ကို ေျပာင္းယူလိုက္ရင္ ကိုယ့္အတြက္ (ပိုျပီး) အက်ိဳးရွိမလား” ဆိုတာပါပဲ။
တကယ္ေတာ့ ဒီျပႆနာဟာ ၁၉၇၀ ကာလေလာက္က
 Monty Hall နဲ ့ Carol Merrill တို ့ႏွစ္ဦး ပူးေပါင္းတင္ဆက္ခဲ့တဲ့ အေပးအယူလုပ္ၾကစို ့ ‘Let’s Make A Deal’ ဆိုတဲ့ အလြန္နာမည္ၾကီးခဲ့တဲ့ game show ထဲက အေျခအေနမ်ိဳးပဲျဖစ္ပါတယ္။ ဒါေၾကာင့္ ဒီျပႆနာကို မြန္တီေဟာျပႆနာ (Monty Hall Problem) လို ့ လူသိမ်ားပါတယ္။
အဲဒီ Craig. F. Whitaker ရဲ့ စာပါေမးခြန္းကို ေမရီလင္း က ဘယ္လို ျပန္လိုက္သလဲဆိုေတာ့ “၀င္ေရာက္ကစားသူဟာ သူရဲ့ နဂိုမူလ ေရြးခ်ယ္ထားခ်က္ကို ေျပာင္းလိုက္သင့္တယ္။ ဘာလို ့လဲဆိုေတာ့ ကား ဟာ  မေရြးပဲက်န္ခဲ့တဲ့ အခန္း(နံပါတ္ ႏွစ္ နဲ ့ သံုး) တစ္ခုခုမွာ ရွိေနတာဆိုရင္  ဒီလို ေျပာင္းလိုက္ျခင္းအားျဖင့္ သူ ့ရဲ့ ကားရႏိုင္ေျခဟာ ႏွစ္ဆ ျမင့္တက္လာမယ္” ဆိုျပီး အေၾကာင္းျပ ျပန္ၾကားလိုက္ပါတယ္။ ဘာေျပာေကာင္းလဲ။ သူမ (Marilyn) မွားေၾကာင္း စာေပါင္း တပံုတပင္ အသေခၤ် အနႏၱ ေရာက္ခ်လာပါေလေရာ။ ျပီးတဲ့ေနာက္ သခၤ်ာပညာရွင္ေတြအပါအ၀င္ ပညာရွင္အသီးသီး နဲ ့ သာမန္လူေတြပါ ပါ၀င္ျပီး အဲဒီျပႆနာနဲ ့ပတ္သက္လို ့ သူမွန္တယ္ ငါမွန္တယ္ အေၾကာင္းအမ်ိဳးမ်ိဳးျပျပီး အေျခအတင္ ျငင္းၾက ခံုၾက တာ လေပါင္းမ်ားစြာ ၾကာထိေပါ့ဗ်ာ။ (တကယ္ေတာ့ အမ်ားစုမွားခဲ့ၾကပါတယ္။)
အဲဒီအျဖစ္အပ်က္ဟာ ျဖစ္ႏိုင္ေျခသီအိုရီနဲ ့ပတ္သက္ျပီး အခ်က္တစ္ခ်က္ကို ထင္ထင္ရွားရွား မီးေမာင္းထိုးျပခဲ့တယ္။ အဲဒါကေတာ့ “တခ်ိဳ ့ျပႆနာေတြကို  ကၽြန္ေတာ္တို ့ရဲ့ သာမန္ ပင္ကိုသိစိတ္နဲ ့ စဥ္းစားဆံုးျဖတ္ရာမွာ တခါတရံ တက္တက္စင္လြဲမွားတဲ့ ေကာက္ခ်က္ေတြ ထြက္လာတတ္တယ္” ဆိုတာပါပဲ။
ျဖစ္ႏိုင္ေျခႏွင့္ စမ္းသပ္ခ်က္
ျဖစ္ႏိုင္ေျခဆိုတာ တကယ္ေတာ့ လက္ေတြ ့စမ္းသပ္မႈေတြ နဲ ့ ျပင္ပေလာကရဲ့ ပကတိအေျခအေနေတြကို အေျခခံျပီး၊ အဲဒါမ်ိဳး အလားတူ တျခားဆက္စပ္ကိစၥ ရပ္ေတြအတြက္ အနာဂတ္ ေဟာကိန္းထုတ္တဲ့ သေဘာမ်ိဳးကိုး။ မနက္ဖန္ မိုး ရြာ မရြာ ခန္ ့မွန္းတာတို ့၊ စေတာ့ stock ေစ်းကြက္ အေျခအေန ခန္ ့မွန္းတာတို ့လိုမ်ိဳးေပါ့။ ဒါေပမယ့္ ခက္တာက စမ္းသပ္မႈေတြ တိုင္းတာမႈေတြဟာ ဘယ္ေလာက္ တိက်ေအာင္လုပ္လုပ္ အနည္းနဲ ့အမ်ား ကြာဟခ်က္ ရွိႏိုင္တယ္ဆိုတာပါပဲ။ တေလာကပဲ ဥေရာပ ျႏဴကလိယတ္စ္သုေတသနဌာန (CERN) က  “အမႈန္တိုက္စက္ၾကီး  LHC (Large Hydron Collider) ကေန အလင္းထက္ျမန္ေအာင္သြားႏိုင္တဲ့ အမႈန္ေတြ ထုတ္လႊတ္ႏိုင္ျပီ” ဆိုျပီး ၀မ္းသာအားရ ေၾကျငာလိုက္တုန္းက တကမၻာလံုးက ပညာရွင္ေတြၾကားမွာ ပြက္ေလာရုိက္ခဲ့တာ မွတ္မိဦးမွာပါ။ အဲဒါလည္း တိုင္းတာနည္းနည္းလြဲလို ့ဆိုျပီး ေနာက္ေတာ့မဟုတ္ျပန္ဘူး။ ဒါေတာင္ မိတ္ေဆြတို ့ သိတဲ့အတိုင္း CERN ဆိုတာ ကမၻာ့အၾကီးမားဆံုး အထင္ရွားဆံုး သိပၸံပညာရွင္အဖြဲ ့အစည္းၾကီးေနာ္။ ဒါေၾကာင့္ စမ္းသပ္မႈနဲ ့ပတ္သက္လို ့အႏွစ္ခ်ဳပ္ရရင္
-စမ္းသပ္ခ်က္ဆိုတာ စမ္းသပ္ခ်က္ပဲ။ လက္ေတြ ့တကယ္ျဖစ္တာမဟုတ္ဘူး။
-စမ္းသပ္ခ်က္ေတြမွာ အားနည္းခ်က္ေတြရွိတယ္။ အမွားေတြရွိမယ္။
-စမ္းသပ္ခ်က္ေတြဟာ စမ္းသပ္တဲ့အခါ ျဖစ္ႏိုင္ေျခ ဘယ္ေလာက္ရွိတယ္ဆိုတာကို ျပတာသာျဖစ္တယ္။ တကယ့္ လက္ေတြ ့မွာ ျဖစ္ႏိုင္ေျခဘယ္ေလာက္ရွိတယ္ဆိုတာကို ျပတာမဟုတ္ဘူး။
-မွားယြင္းတဲ့ စမ္းသပ္ခ်က္ရလာဒ္ေတြေၾကာင့္ မွားယြင္းတဲ့ သံုးသပ္မႈေတြကို ျဖစ္ေစတယ္။
ဆိုတာပါပဲ။ အမွားအယြင္းကို ထည့္သြင္းစဥ္းစားမထားတဲ့ စမ္းသပ္မႈေတြကို အေျခခံတြက္ခ်က္ထားတဲ့ ျဖစ္ႏိုင္ေျခ ဆိုတာမွာလည္း အမွားေတြ ရွိႏိုင္တာေပါ့။
ေဘးစ္သီအိုရမ္ (Bayes’ Theorem)
ေသာမတ္စ္ ေဘးစ္ Thomas Bayes (1702-1761) ဟာ ခုလက္ရွိ ေဘးစ္သီအိုရမ္လို ့ သိထားၾကတဲ့ ျဖစ္ႏိုင္ေျချပႆနာရဲ့ အထူးအေျခအေနတစ္ရပ္ ေျဖရွင္းပံုကို တြက္ခ်က္ သက္ေသျပခဲ့ပါတယ္။ သူ ့သီအိုရီရဲ့ အႏွစ္သာရကို သခၤ်ာပညာရပ္ဆိုင္ရာ ညီမွ်ျခင္းေတြကို မသံုးပဲ အားလံုးနားလည္လြယ္ေအာင္ ေျပာရရင္
·        စမ္းသပ္မႈကရလာတဲ့ ျဖစ္ႏိုင္ေျခ နဲ ့ အဲဒီစမ္းသပ္မႈရဲ့ တိုင္းတာမႈအမွား တန္ဘိုးေတြကို သိမယ္ဆိုရင္ တကယ့္ အစစ္အမွန္ ျဖစ္ႏိုင္ေျခတန္ဘိုးကို တြက္ခ်က္လို ့ရတယ္။ …လို ့မွတ္ယူႏိုင္ပါတယ္။
အႏွစ္ခ်ဳပ္ကေတာ့ “ေဘးစ္သီအိုရမ္္ေၾကာင့္ တိုင္းတာမႈအမွားေတြကို ျပင္ႏိုင္တယ္။ ဒါ့အျပင္ တိုင္းတာမႈကရတဲ့ ျဖစ္ႏိုင္ေျခ နဲ ့ တကယ့္လက္ေတြ ့ျဖစ္ႏိုင္ေျခကို ဆက္စပ္ႏိုင္တယ္။ ထပ္မံရရွိလာတဲ့ အခ်က္အလက္ ဒါမွမဟုတ္ ျဖစ္ႏိုင္ေျခတစ္ခုဟာ   တျခားမသိေသးတဲ့ ျဖစ္ႏိုင္ေျခအေပၚ ဘယ္လို ဘယ္ေလာက္ အက်ိဳးသက္ေရာက္မႈရွိတယ္ ဆိုတာ ရွာေဖြႏိုင္တယ္။” ဆိုတာပါပဲ။ ဒီလို ျဖစ္ႏိုင္ေျခတခုဟာ တျခားျဖစ္ႏိုင္ေျခတခုေပၚ မူတည္ေနရာကို အေျခအေနအရ ျဖစ္ႏိုင္ေျခ (conditional probability) လို ့ ေခၚပါတယ္။ တကယ္ေတာ့ ေဘးစ္သီအိုရမ္ဟာ အဲဒီ အေျခအေနအရ ျဖစ္ႏိုင္ေျခကို အထူးျပဳေလ့လာတာပါ။ ခု ဆက္ျပီး ေဘးစ္သီအိုရမ္ကို ပိုမိုသေဘာေပါက္နားလည္ေစဖို ့ ေအာက္ပါဥပမာကို ေလ့လာၾကည့္ၾကပါစို ့။
ေဘးစ္သီအိုရမ္အား အသံုးခ်ျခင္း
လက္ေတြ ့စမ္းသပ္ခ်က္ေတြနဲ ့တကယ့္အျဖစ္အပ်က္ေတြကို အေျခခံျပီး ေအာက္ပါအခ်က္အလက္ေတြ ရွိထားတယ္ဆိုပါေတာ့။
၁။ လူအားလံုးရဲ့ ၁% မွာ ကင္ဆာေရာဂါရွိတယ္။ (၉၉% မွာ မရွိဘူးေပါ့။)
၂။ ေရာဂါရဲ့ ၈၀% ကိုသာ စမ္းသပ္ေတြ ့ရွိရတယ္။ ဆိုလိုတာကဗ်ာ ေရာဂါရွိတဲ့လူ ၁၀၀ ကို ေဆးစစ္လုိက္ရင္ လူ ၈၀ ပဲ ေရာဂါရွိေၾကာင္း အေျဖျပတယ္။ က်န္တဲ့ ၂၀ က (ေရာဂါရွိလ်က္နဲ ့) ေဆးစစ္ေတာ့ မေပၚဘူး ဆိုပါေတာ့။ ဒီလို ေရာဂါရွိလ်က္နဲ ့ မရွိဘူးေျပာတာမ်ိဳးကို  false negative လို ့ေခၚပါတယ္။
၃။ ေဆးစစ္တဲ့အခါ ေရာဂါမရွိတဲ့လူ ၉.၆% ကို က်ေတာ့ ေရာဂါရွိေၾကာင္း ျပေနတယ္။ ေရာဂါမရွိပဲနဲ ့ ရွိတယ္ေျပာတာၾကေတာ့ false positive ေခၚတာေပါ့။ က်န္တဲ့ ၉၀.၄% ကေတာ့ ေရာဂါမရွိလို ့ မရွိဘူးပဲ မွန္မွန္ကန္ကန္ ေဖၚျပတယ္ ေပါ့ဗ်ာ။
ကဲ… ဒီလို အေျခအေနမ်ိဳးမွာ
လူတေယာက္ကို ေဆးစစ္လိုက္တဲ့အခါ ေရာဂါရွိေၾကာင္းျပေနတယ္ဆိုပါစို ့။
သူ ့ရဲ့ တကယ္ေရာဂါရွိႏိုင္ေျခကို ကၽြန္ေတာ္တို ့ဘယ္လိုတြက္ၾကမလဲ။ ဘယ္ေလာက္လို ့ ထင္ပါသလဲ။ ၈၀% လား။ ၉၉% လား။ ၁% လား။ အဲဒီလို ခန္ ့ မွန္းေနမယ့္အစား ရိုးရိုး ရွင္းရွင္းပဲ စ’ တြက္ၾကည့္ၾကပါစို ့။
[ဘာကိုမွ ၾကိဳတင္ျပီး ယူဆမထားပါနဲ ့။ အဲဒီလူမွာ တကယ္ေရာဂါရွိမရွိ မသိဘူး။ ေဆးစစ္တဲ့ ရလာဒ္ကလည္း true positive (ရွိလို ့ ရွိတယ္ေျပာတာ) ဒါမွမဟုတ္ false positive (မရွိပဲရွိတယ္ေျပာတာ) အားလံုးျဖစ္ႏိုင္တယ္။]
A.   true positive ျဖစ္ႏိုင္ေျခ  = ေရာဂါရွိႏိုင္ေျခ * ေရာဂါကို စစ္ေဆးေတြ ့ရွိႏိုင္ေျခ = 1% * 80% = 0.008 (အခ်က္ ၁ ႏွင္ ့ ၂ အရ။)
B.   false positive ျဖစ္ႏိုင္ေျခ  = ေရာဂါမရွိႏိုင္ေျခ *  မရွိပဲ ေတြ ့ႏိုင္ေျခ = 99% * 9.6% = 0.09504 (အခ်က္ ၁ ႏွင့္ ၃ အရ။)
Note: P(A,B) = P(A)*P(B) [ If A and B are independent ]
အခုတခါ ကၽြန္ေတာ္တို ့ မူလေမးခြန္းကိုျပန္ေကာက္ၾကပါဦးစို ့။ “ေဆးစစ္လိုက္လို ့ positive result ျပတယ္ဆိုရင္ အမွန္တကယ္ ေရာဂါရွိႏိုင္ေျခ ဘယ္ေလာက္လဲ” ဆိုတာ ေျဖရမွာ။ ျဖစ္ႏိုင္ေျခဆိုတာ တကယ္ေတာ့ ကိုလိုခ်င္တဲ့ အျဖစ္အပ်က္နဲ ့ အားလံုးေသာျဖစ္ႏိုင္ေျခ တို ့ရဲ့ အခ်ိဳးျဖစ္ျပီး ရွင္းေအာင္ သခၤ်ာနည္းနဲ ့ ေရးျပရရင္ probability = desired event / all possibilities ပါပဲ။
ေရာဂါရွိေနရင္ ရွိတယ္လို ့ ေဆးစစ္ခ်က္(true positive) ထြက္ဖို ့က 0.008 (ဒါက လိုခ်င္တဲ့ desired event)[A အရ။]
ေရာဂါ ရွိရွိ မရွိရွိ ရွိပါတယ္ေျပာမွာ(all possible outcomes for positive results)က = ရွိလို ့ေတြ ့တာ(true positive) + မရွိပဲေတြ ့တာ (false positive) =
0.008 + 0.09504 = 0.10304[A ႏွင့္ B အရ။ ]
ဒါေၾကာင့္ကၽြန္ေတာ္တို ့ လိုခ်င္တဲ့ အေျဖဟာ 0.008/0.10304 = 0.0776 (~7.8%) ဒီအေျဖဟာ ကၽြန္ေတာ္တို ့ သာမန္အားျဖင့္ ထင္မထားတဲ့ ရလာဒ္ျဖစ္ေနပါတယ္။ ဆိုလိုတာက ေပးထားခ်က္ေတြအတိုင္းသာဆိုရင္ “လူတေရာက္ဟာ ေဆးစစ္လိုက္လို ့ ကင္ဆာေရာဂါရွိပါတယ္လို ့ ေဆးစစ္ခ်က္ အေျဖထြက္လာေစဦးေတာ့ သူ ့ရဲ့ အမွန္တကယ္ ေရာဂါရွိႏိုင္ေျခဟာ ၇.၈% ေလာက္ ပဲရွိတယ္” ဆိုတဲ့ အဓိပၸါယ္သက္ေရာက္ပါတယ္။ ရုတ္တရက္ဆိုရင္ေတာ့ လက္ခံဖို ့ခက္ခဲေပမယ့္ ေသခ်ာစဥ္းစားၾကည့္ရင္ ျဖစ္ႏိုင္ပါတယ္။ ဒီလိုဗ်ာ
-လူ ၁၀၀ ယူလိုက္။ ၁ေရာက္ပဲ ေရာဂါရွိမယ္။
-ဒါေပမယ့္ အဲဒီ ၁၀၀ ထဲက ၁၀ ေရာက္ (၉.၆% ကို အနီးဆံုးယူလိုက္တာ) ကို ေရာဂါမရွိပဲနဲ ့ ေရာဂါရွိတယ္လို ့ ေဆးစစ္ခ်က္ကေျပာမယ္။
-တကယ္ရွိတာ နဲ ့ ရွိတယ္လို ့ အေျပာခံရတာ ေပါင္းရင္ ၁၁ ေရာက္
-ဒါေၾကာင့္ တကယ္ရွိတာနဲ ့ ရွိတယ္လို ့ အေျပာခံရႏိုင္သူေပါင္းကို အခ်ိဳးခ်ရင္ ၁/၁၁ ~ 0.09 ခန္ ့မွန္းေျခ 9% ။ ဒါေၾကာင့္ ေဘးစ္သီအိုရမ္အရ တြက္တာနဲ ့ သိပ္မကြာေၾကာင္း ေတြ ့ရပါတယ္။
ေဘးစ္ယံုၾကည္မႈဆက္သြယ္ခ်က္(BBN - Bayesian Belief Network)
ေဘးစ္ဆက္သြယ္ခ်က္ကြန္ယက္(Bayesian Network) ဟာ ေသာမတ္စ္ ေဘးစ္ရဲ့ အေျခအေနအရျဖစ္ႏိုင္ေျခသီအိုရီကို အေျခခံျပီး အျဖစ္အပ်က္တခုမွာ ပါ၀င္ေနတဲ့ ကိန္းရွင္ေတြ (variables) ရဲ့ အခ်င္းခ်င္း ဆက္သြယ္ခ်က္ နဲ ့ မွီခိုခ်က္ကို DAG (Directed Acyclic Graph) နဲ ့ ေဖၚျပထားတဲ့ ျဖစ္ႏိုင္ေျခပံုစံတစ္ခုပါပဲ။ သူ ့ကို ဘာလို ့ ယံုၾကည္မႈဆက္သြယ္ခ်က္လို ့ေခၚတာတုန္းဆိုေတာ့၊ ဥပမာ လူတေရာက္မွာ အဆုတ္ကင္ဆာေရာဂါ ရွိႏိုင္တယ္ဆိုတဲ့ ယံုၾကည္ခ်က္ဟာ၊ သူဟာ ေဆးလိပ္ေသာက္တဲ့လူတေရာက္လို ့ အခ်က္အလက္ အသစ္တခုထပ္ျပီး သိလိုက္ရျပီးတဲ့အခါ ပိုျပီးခိုင္မာလာႏိုင္တယ္။ ေဆးလိပ္ေသာက္ေၾကာင္း မသိရေသးခင္တြက္ခ်က္တဲ့ ကင္ဆာျဖစ္ႏိုင္ေျခ နဲ ့ သိျပီးတဲ့အခါ တြက္တဲ့ကင္ဆာျဖစ္ႏိုင္ေျခ ဟာလည္း ဘယ္လိုမွ မတူႏိုင္ဘူး။ တူေနရင္လည္း အဓိပၸါယ္မရွိေတာ့ဘူးေလ။ ဒါေၾကာင့္ အခ်က္အလက္အသစ္ေၾကာင့္ အသစ္ျဖစ္လာတဲ့ ျဖစ္ႏိုင္ေျခ ဟာ အရင္ရွိျပီးသား ယံုၾကည္ခ်က္အေပၚမွာ ဘယ္လို အက်ိဳး သက္ေရာက္မႈ ရွိတယ္ဆိုတာကို ေဖၚျပဖို ့ရည္ရြယ္လို ့ ယံုၾကည္မႈဆက္သြယ္ခ်က္ကြန္ယက္(Belief Network) လို ့ေခၚတာပါ။
BBN ဥပမာႏွင့္ ရွင္းလင္းခ်က္


Fig.  Bayesian Belief Network (BBN)
·                    DAG မွာ ပါတဲ့ ဘဲဥပံု node တခုဟာ variable တခုကို ကိုယ္စားျပဳျပီး၊ node ႏွစ္ခုကို ဆက္သြယ္ထားတဲ့ edge (arrow) က မွီခိုမႈဆက္သြယ္ခ်က္ (dependence) ကို ကိုယ္စားျပဳတယ္။
·                    မွ်ားရဲ့ ဦးတည္ရာဟာ အက်ိဳးသက္ေရာက္မႈဦးတည္ရာျဖစ္တယ္။ ဆိုလိုတာက ပံုမွာျပထားတဲ့အတိုင္းဆိုရင္ အဆုတ္ကင္ဆာျဖစ္ျခင္းအေပၚမွာ ေဆးလိပ္ေသာက္ျခင္းက တိုက္ရိုက္ လႊမ္းမိုးအက်ိဳးသက္ေရာက္မႈ ရွိတယ္လို ့ ဆိုလိုတာပါ။
·                    လႊမ္းမိုးခံရတဲ့ node ကို child node, လႊမ္းမိုးတဲ့ node ကို parent node လို ့ ေခၚတယ္။
·                    ဒီလို node တခုဟာ တျခား node တခုအေပၚ ဘယ္လို သက္ေရာက္မႈရွိသလဲဆိုတာကို conditional probability table နဲ ့ ေဖၚျပတယ္။
·                    Node တစ္ခုရဲ့ အေျခအေနျဖစ္ႏိုင္ေခ်ေတြကိုေတာ့ state လို ့ေခၚတယ္။ ဥပမာ ေဆးလိပ္ေသာက္တယ္ဆိုရင္ အၾကီးအက်ယ္ေသာက္တာလား အသင့္အတင့္ေသာက္တာလား အနည္းအက်ဥ္းပဲေသာက္တာလား စသည္ျဖင့္ေပါ့။
မြန္တီကာလိုပံုေဆာင္စမ္းသပ္ခ်က္(MCS - Monte Carlo Simulation)
MCS ကို မြန္တီကာလိုနည္း(Monte Carlo method)၊  မြန္တီကာလိုစမ္းသပ္ခ်က္ (Monte Carlo experiment)၊ ျဖစ္ႏိုင္ေျခစမ္းသပ္ခ်က္ (Probability Simulation) စသည္ျဖင့္ အမ်ိဳးမ်ိဳး ရည္ညႊန္းေခၚေ၀ၚေလ့ရွိပါတယ္။ တကယ္ေတာ့ ‘မြန္တီကာလို Monte Carlo’ ဆိုတဲ့ စကားလံုးက ေမာ္ရိုကိုႏိုင္ငံမွာရွိတဲ့ ကာစီႏိုတခုရဲ့ နာမည္ျဖစ္ျပီး၊ ၁၉၄၀ တုန္းက ဗြန္ႏြိဳင္းမဲန္း (John Von Neumann)၊ အူလမ္(Stanislaw Ulam) နဲ ့ နစ္ကိုးလပ္စ္ (Nicholas Metropolis) တို ့သံုးေယာက္ အေမရိကန္အစိုးရရဲ့ အႏုျမဴဗံုးပေရာဂ်က္ (Manhattan Project) မွာ ပါ၀င္လုပ္ေဆာင္ေနတဲ့ကာလတုန္းက အူလမ္ က သူတို ့ရဲ့ စမ္းသပ္ခ်က္တစ္ခုအတြက္ ဒီ Monte Carlo Simulation ဆိုတဲ့ နာမည္ကို ေပးခဲ့တာပါ။ MCS နည္းစနစ္ဆိုတာ က်ပမ္းျဖစ္စဥ္ က်ပမ္းတန္ဘိုးေတြကို ထပ္တလဲလဲ အသံုးျပဳျပီး တြက္ခ်က္ပံုနည္းစနစ္ (algorithm) တခုရဲ့ ရလာဒ္ေတြကို ေလ့လာတဲ့ ပညာရပ္တစ္ခုေပါ့။ ဒါေၾကာင့္ MCS ကို လက္နဲ ့(manual) လုပ္ေဆာင္ဖို ့ဆိုတာ အလြန္ ့အလြန္ ခက္ခဲပါတယ္။ တခ်ိဳ ့ စမ္းသပ္ခ်က္ေတြဆို အၾကိမ္ေရ သိန္း သန္း ခ်ီျပီး စမ္းရတာကိုး။ ဒါေၾကာင့္ ကြန္ျပဴတာအေပၚမွာ program (algorithm) တစ္ခုတည္ေဆာက္ျပီး လုပ္ေဆာင္ရပါတယ္။ ခုလို စြမ္းအားျမင့္ PC ေတြ မေပၚခင္တုန္းကဆို mainframe ေတြေပၚသာမွာ စမ္းရ run ရတဲ ့ အေျခအေနမ်ိဳးေပါ့။
MCS ႏွင့္ Estimation
MCS ကို အသံုးခ်တဲ့ နယ္ပယ္ေပါင္းမ်ားစြာရွိပါတယ္။ အဲဒီထဲကမွ ပေရာဂ်က္တခုရဲ့ အခ်ိန္တို ့ ကုန္က်စရိတ္တို ့ နဲ ့ပတ္သက္ျပီး ကၽြမ္းက်င္သူေတြ ခန္ ့မွန္း တြက္ခ်က္ထားတဲ့ ကိန္းဂဏန္းတန္ဘိုးေတြရဲ့ စြန္ ့စားရမႈ risk, ယံုၾကည္စိတ္ခ်ရမႈအတိုင္းအတာ reliability နဲ ့ မေသခ်ာမေရရာမႈ uncertainty စတာေတြနဲ ့ပတ္သက္တဲ့ ျဖစ္ႏိုင္ေျခတန္ဘိုးေတြကို အနီးစပ္ဆံုး ဘယ္လိုတြက္ယူမလဲဆိုတာကိုသာ ေလ့လာမွာျဖစ္ပါတယ္။ MCS ကေန အဓိက ရႏိုင္တဲ့ အခ်က္ကေတာ့ “ကိုယ္ တည္ေဆာက္အသံုးျပဳထားတဲ့ model က ရတဲ့ ခန္ ့မွန္းတန္ဘိုး နဲ ့ အခ်က္အလက္ေတြအေပၚ အေျခခံျပီး၊ အဲဒီတန္ဘိုးေတြဟာ တကယ့္ျပင္ပ လက္ေတြ ့ ေလာကမွာ ရလာမယ့္ရလာဒ္ (outcome) နဲ ့ ဘယ္ေလာက္အတိုင္းအတာအထိ တူညီႏိုင္ေျခရွိသလဲဆိုတာကို ေျပာျပႏိုင္ျခင္းပဲျဖစ္ပါတယ္။”
အသံုးခ်ပံု အၾကမ္းဖ်ဥ္းအဆင့္မ်ား
MCS နည္းစနစ္ကို software cost estimation မွာသံုးဖို ့အတြက္   
0.   ေဆာဖ့္၀ဲ နဲ ့ပတ္သက္တဲ့ preliminary analysis, request for proposal, initial iapabilities document, analysis of alternatives, software cost estimation စတဲ့ documentation ေတြ ကို အသံုးခ်ျပီး BBN တစ္ခု တည္ေဆာက္ျပီးျပီလို ့ ယူဆထားပါတယ္။ [ဘယ္လိုတည္ေဆာက္တယ္ဆိုတာ ရႈပ္ေထြးရွည္လ်ားလို ့ ဒီေဆာင္းပါးမွာ မေဖာ္ျပႏိုင္ခဲ့တဲ့အတြက္ အႏူးအညြတ္ ေတာင္းပန္ပါတယ္။]
1.   ခန္ ့မွန္းတန္ဘိုးတခုျခင္းစီရဲ့ အနည္းဆံုးျဖစ္ႏိုင္ေျခ နဲ ့ အမ်ားဆံုးျဖစ္ႏိုင္ေျခ တန္ဘိုးေတြကို ရွာေဖြလိုက္ပါ။ [ခန္ ့မွန္းလိုက္ေပါ့ဗ်ာ။]
2.   အဲဒီ minimum နဲ ့ maximum  rangeအတြင္းမွာရွိတဲ့ က်ပမ္းတန္ဘိုးေတြကို သံုးျပီး  မိတ္ေဆြတည္ေဆာက္ထားတဲ့ computer algorithm ကို (ဥပမာ) အၾကိမ္ တစ္ရာ run လိုက္။ မတူညီတဲ့ result အခုတရာ ရလာမွာေပါ့။  [တူတာေတြလည္း ပါႏိုင္ပါတယ္။ က်ပမ္းတန္ဘိုး အေပၚအေျခခံထားတာကိုး။]
3.   အဲဒီ result အခုတရာထဲက ကိုယ္ အရင္ ခန္ ့မွန္းထားတဲ့ တန္ဘိုးနဲ ့ အနီးစပ္ဆံုးတူညီတဲ့ result ဘယ္ႏွစ္ခုပါသလဲ ၾကည့္ရႈစစ္ေဆးလိုက္။ ၁၀ ခုပါရင္ ကိုယ့္ရဲ့ estimate မွန္ကန္ႏိုင္ေျခက ၁၀% ႏႈန္းေပါ့။ တခုမွ မပါရင္ 0% ေပါ့။
ဥပမာ
ကၽြန္ေတာ္တို ့ရဲ့ ပေရာဂ်က္က အပိုင္းသံုးပိုင္းရွိျပီး တစ္ပိုင္းခ်င္းစီအတြက္ ကၽြမ္းက်င္သူရဲ့အကဲျဖတ္ခ်က္ (expert judgement) အရ ရရိွထားတဲ့ ခန္ ့မွန္းတန္ဘိုးေတြကို ေအာက္ပါဇယားအတိုင္း ေဖၚျပထားတယ္ဆိုပါစို ့။
Table 1: Basic Forecasting Model
Task
Estimated Time Taken
Task 1
5 p-m
Task 2
4 p-m
Task 3
5 p-m
Total
14 p-m
Note: p-m = person month (လူတေရာက္ တလ လုပ္ရေသာ အလုပ္ယူနစ္)
ဒီ အေျခခံခန္ ့မွန္းခ်က္အရဆိုရင္ ကၽြန္ေတာ္တို ့ရဲ့ ပေရာဂ်က္ဟာ လူတစ္ေရာက္လုပ္ရင္ ၁၄ လ [လူ၁၄ေရာက္လုပ္ရင္၁လ] ၾကာမယ္ဆိုပါေတာ့။ ဒီခန္ ့မွန္းခ်က္ဟာ ေကာင္းမြန္တဲ့ ခန္ ့မွန္းခ်က္တခုျဖစ္ႏိုင္ပါတယ္။ ဒါေပမယ့္ “အခု ခန္ ့မွန္းထားတဲ့ ကာလအတြင္း ဒီပေရာဂ်က္ အခ်ိန္မီ ျပီးစီးႏိုင္ေျခ ဘယ္ေလာက္ရွိသလဲ၊ ဒီခန္ ့မွန္းခ်က္ေတြကို ဘယ္ေလာက္ထိ ယံုၾကည္စိတ္ခ်လို ့ရသလဲ” ဆိုတာ မေဖၚျပႏိုင္ပါဘူး။ ဒါၾကာင့္ MCS နည္းစနစ္ကို အသံုးျပဳျပီး အဲဒီ estimate ရဲ့ risk, reliability, uncertainty ကို ဆက္လက္ ရွာေဖြေဖၚထုတ္ပါမယ္။ ဒီလိုလုပ္ဖို ့အတြက္ အဆင့္တစ္အရ အနည္းဆံုး နဲ ့ အမ်ားဆံုး ျဖစ္ႏိုင္ေျခတန္ဘိုးေတြကို ေအာက္ပါအတိုင္းခန္ ့မွန္းသတ္လိုက္ပါတယ္။
Table 2: Forecasting Model using Range Estimates
Task No
Minimum
Most Likely
Maximum
Task 1
4 p-m
5 p-m
7 p-m
Task 2
3 p-m
4 p-m
6 p-m
Task 3
4 p-m
4 p-m
6 p-m
Total
11 p-m
14 p-m
19 p-m

အခုအေနအထားအတိုင္းဆိုရင္ Range estimate အရ ဒီပေရာဂ်က္ဟာ အနည္းဆံုး  11p-m ၊ အမ်ားဆံုး 19p-m ၾကာႏိုင္တယ္။ အျဖစ္ႏိုင္ဆံုးကေတာ့ 14p-m ဆိုျပီး ပိုျပီး ျပည့္ျပည့္စံုစံု ေျပာႏိုင္တဲ့အဆင့္ကို ေရာက္လာပါျပီ။ ဒီအဆင့္ျပီးတဲ့ အခါ MCS ရဲ့ အဆင့္ႏွစ္ကိုေရာက္လာျပီေပါ့။ အဆင့္ႏွစ္မွာ ကၽြန္ေတာ္တို ့ဟာ ျဖစ္ႏိုင္ေျခနဲ ့ စာရင္းအင္းဆိုင္ရာ သခၤ်ာပညာရပ္တစ္ခ်ိဳ ့ကို အသံုးခ်ပါမယ္။
-တကယ္လို ့ minimum နဲ ့ maximum value ႏွစ္ခုတည္းရွိရင္ Uniform Distribution ကို သံုးႏိုင္ပါတယ္။
-minimum, maximum နဲ ့ most likely value ေတြရွိရင္  Triangular Distribution ဒါမွမဟုတ္ PERT Distribution ကို သံုးျပီး က်ပမ္းတန္ဘိုးေတြ ရွာေဖြႏိုင္ပါတယ္။
ေအာက္ကဇယားမွာ PERT Distribution ကို သံုးျပီး ရရွိလာတဲ့ MCS ရလာဒ္ေတြကို ေဖၚျပထားပါတယ္။
Table 3: Results of a Monte Carlo Simulation
Time
Number of Times
(Out of 500)
Percent of Total
(Rounded)
12 p-m
1
0%
13 p-m
31
6%
14 p-m
171
34%
15 p-m
394
79%
16 p-m
482
96%
17 p-m
499
100%
18 p-m
500
100%
ဒါကိုၾကည့္ရင္ ကၽြန္ေတာ္တို ့ မူလက ရရွိထားတဲ့ အျဖစ္ႏိုင္ဆံုးတန္ဘိုး 14p-m အတြင္း ဒီပေရာဂ်က္ျပီးစီးဖို ့ ျဖစ္ႏိုင္ေျခဟာ ၃၄% ပဲရွိတာကို ေတြ ့ရမွာပါ။ ဒီအခ်က္က မူလ ခန္ ့ မွန္းခ်က္ဟာ ၃ ပံု ၁ ပံုပဲ မွန္ႏိုင္တယ္လို ့ အဓိပၸါယ္သက္ေရာက္ေနပါတယ္။ ဒါဆိုရင္ မိတ္ေဆြဖက္ကလည္း ေမးစရာရွိလာမွာပါ။ “အဲဒီ MCS နည္းကေရာ ဘယ္ေရာက္အထိ ယံုၾကည္စိတ္ခ်လို ့ရသလဲ” လို ့ေပါ့။ မိတ္ေဆြျမင္တဲ့ အတိုင္း MCS ဟာ expert judgement (မူလခန္ ့မွန္းခ်က္) ကို အမွီျပဳျပီး တြက္ခ်က္တာျဖစ္တဲ့အတြက္ မူရင္း estimate ေကာင္းရင္ေကာင္းသလိုေပါ့။ GIGO သေဘာတရားအရ “အမႈိက္ထည့္လိုက္ရင္ အမိႈက္၊ ေရႊထည့္လိုက္ရင္ေတာ့ ေရႊ” ထြက္လာမွာပါပဲ။
နိဂံုးအမွာ
“ဘာေတြမွန္းလည္းမသိပါဘူးကြာ ကြန္ျပဴတာနဲ ့ဆိုင္တာမ်ားလားလို ့။ သခၤ်ာလိုလို သမိုင္းလိုလို အေတြးအေခၚလိုလို ရႈပ္ေနတာပဲ” လို ့မိတ္ေဆြတို ့ထင္မယ္ဆိုရင္လည္း ကၽြန္ေတာ္မွာသာ လံုး၀တာ၀န္ရွိပါတယ္ ။ ဒီေဆာင္းပါးရဲ့ တကယ့္ရည္ရြယ္ခ်က္က conditional probability,  Bayesian Belief Network နဲ ့ Monte Carlo Simulation နည္းစနစ္ေတြကို ေဆာဖ္၀ဲထုတ္လုပ္မႈ ကုန္က်စရိတ္ ခန္ ့မွန္းတြက္ခ်က္တဲ့ ေနရာမွာ ဘယ္လို အသံုးခ်တယ္ဆိုတာကို တင္ျပဖို ့ပါ။ ဒါေပမယ့္လည္း ဘယ္ပညာရပ္မဆို အသံုးခ်အဆင့္ကိုေရာက္ဖို ့အတြက္  အေျခခံအဆင့္ေတြကို ေက်ာ္ျဖတ္သင့္တယ္ မဟုတ္ပါလား။  ဒါေၾကာင့္ ဒီေဆာင္းပါးမွာ ႏွီးႏြယ္ဆက္စပ္ရာ အေျခခံမိတ္ဆက္ေတြကိုသာ အရင္ဆံုး ဦးစားေပးတင္ျပခဲ့တာပါ။ က်ယ္ျပန္ ့တဲ့ အေၾကာင္းအရာေတြလည္းျဖစ္ေလေတာ့ အက်ဥ္းခ်ဳပ္ေလာက္ပဲ တင္ျပႏိုင္ခဲ့တဲ့အတြက္ ဒီေဆာင္းပါးတစ္ပုဒ္တည္းနဲ ့ေတာ့ ရည္ရြယ္ရာကို ေရာက္ႏိုင္ဖို ့မလြယ္ပါဘူး။ ဒါေၾကာင့္ စိတ္၀င္စားမႈရွိတယ္ဆိုရင္ မိတ္ေဆြတို ့ ကိုယ္တိုင္ ဆက္လက္ေလ့လာျဖစ္ေအာင္ လမ္းၾကမ္းေလးတစ္ခု ညႊန္ျပတဲ့ သေဘာလို ့သာ မွတ္ယူၾကပါလို ့ပန္ၾကားလိုပါတယ္။ ရႊင္လန္းခ်မ္းေျမ့ပါေစ။