一份英文密语词表里的 292 个亚洲外来语，是怎么选出来的¶

我们是一群关心匿名网络与网络自由的志工，从台湾出发，维运文档站。社区做了一份 7776 字的英文密语词表 asian-diceware，可以直接替换 EFF 的 Large Wordlist，差别在里面固定收 292 个已经进入英文字典的亚洲外来语，tofu、oolong、boba、kimchi 都在其中。

站上的工具页已经写过怎么用它，小工具区的密语生成器也可以直接按。以下补上另一半，选字的过程，以及过程中挡掉了什么。

一份英文密语词表里的 292 个亚洲外来语

为什么一份英文词表需要亚洲味¶

密语（passphrase）的做法是掷骰子从一份固定的词表抽出几个英文字，用符号接起来当密码。强度来自抽字的过程够随机，跟抽到哪些字无关。既然强度跟用字无关，换掉词表的内容有什么意义？

意义在抄得下来、念得回去。密语真正被用到的场合是密码管理器的主密码、全盘加密的口令、要在电视或游戏主机上一个字一个字敲进去的 Wi-Fi 密码，全都需仰赖人脑记住、人手输入。EFF 那份词表挑字时避开难拼字、脏话与容易混淆的同音字，理由正在于此¹。

对在台湾、香港与亚洲各地生活的人来说，oolong 比 oolite 好认，ramen 比 ramekin 好记。抽到一个你天天在用的字，抄写与回想的错误率就会下降。换掉词表内容的理由仅止于此，密语强度一分一毫都没有变。

词表要能跟 EFF 那一份直接对换¶

第一条规则先定下来，词表要刚好 7776 个字，一个不多一个不少。

7776 是 6 的 5 次方，代表掷 5 颗骰子读成一个五位数，刚好对应到表上唯一一个字。每个字贡献 log2(7776) ≈ 12.925 bits，六个字约 77.5 bits¹。字数维持在 7776，asian-diceware 就是 EFF Large Wordlist 的直接替代品，任何原本用 EFF 词表的流程换过来都不必改动，强度也完全一致。

数字固定之后，选字就变成一个名额有限的问题。292 个亚洲外来语占掉 292 个名额，剩下 7484 个名额用最高频、好拼写的常见英文字填满。名额有限是后面每一个取舍的来源。

292 个字的来源分布，跟做的人原本预期的不一样¶

词表从台湾出发，直觉会以为华语来源的字最多。实际查完字典之后的分布如下：

来源语言	字数	例字
日语	102	`sushi`、`ramen`、`tofu`、`matcha`、`karaoke`、`tsunami`、`emoji`、`umami`
南亚与梵语	91	`yoga`、`karma`、`guru`、`avatar`、`chai`、`masala`、`bazaar`、`cheetah`
马来与东南亚	39	`bamboo`、`curry`、`mango`、`durian`、`satay`、`gecko`、`shampoo`、`jungle`
韩语	35	`kimchi`、`bibimbap`、`soju`、`hangul`、`taekwondo`、`mukbang`、`bingsu`
华语	16	`typhoon`、`oolong`、`pinyin`、`boba`、`lychee`、`mahjong`、`qigong`
粤语	8	`wok`、`wonton`、`hoisin`、`kumquat`、`loquat`、`cheongsam`、`longan`
闽南语	1	`ketchup`

日语 102 个，南亚与梵语 91 个，两者加起来超过总数的六成。华语只有 16 个，闽南语只有 ketchup 一个。

分布记录的是英语实际吸收了什么，不记录我们希望它吸收什么。日本料理、瑜伽与印度香料进入英语世界的时间长、渠道多，累积下来的词就多。韩语那 35 个字里有不少是近年才进 OED 的，来自 2021、2024 与 2026 几批 K-culture 收词。华语的 16 个字多半年代久远，typhoon、ginseng、kowtow 都是几百年前的贸易与外交留下来的。

华语圈的味道就藏在那 16 个字里：oolong（乌龙茶）、boba（珍珠奶茶，源自台湾）、typhoon（台风）、pinyin（拼音）。加上唯一那个闽南语来源的 ketchup，番茄酱的英文可以一路追回闽南语，字源很多人不知道。

还有一批字大概没人会猜到是亚洲外来语：tycoon、honcho、shampoo、bungalow、jungle、loot、thug、atoll、gecko、cheetah、gong、dinghy、mongoose。它们每天都有人在用，来历早就融进英语里了。

选字的两个限制¶

只收已经进字典、写成一个单词的词¶

feng shui、kung fu、dim sum 三个词在英语世界的知名度都不低，全部没收。理由是中间有空格。

密语的组成方式是把抽到的字用 - 之类的符号接起来，抽到一个带空格的词，整组密语的断词就会产生歧义，抄写、口述与输入都会出错。词表的价值在于抄得下来、念得回去，一个会让人抄错的词不管多有代表性都不能收。

字典背书也是硬条件，292 个字全部在 OED、Merriam-Webster 或 Cambridge 查证过。硬条件挡掉的是「我觉得这个字英语圈应该懂」的判断，那种判断通常是错的。

不自己音译华语¶

另一个选项是自行音译，把常见的华语词转写成英文字母收进词表，华语来源的比例马上就能拉高。我们没有走那条路。

台湾同时流通汉语拼音、威妥玛与通用拼音几套系统，香港另有粤语拼音（Jyutping），中国大陆则以汉语拼音为单一标准。同一个音在不同系统下拼法不同，不同的音在同一个系统下又可能拼成相近的样子。词表要面向整个华语圈，就得同时面对这几套系统。密语词表最不能出现的就是歧义，一个字有两种合理拼法，抄下来的人就有一半机率打不开自己的磁盘。

音译本身有价值，只是属于另一个项目，需要先把拼音标准的选择处理完，不能夹带在一份以英语为基底的词表里。

为什么停在 292，不凑成一个整数比例¶

292 个字占 7776 的比例约 3.8%。数字看起来像是随手取的，实际上是把可用的字都捞完之后剩下的结果。

把 OED、Merriam-Webster 与 Cambridge 查过一轮，华语圈读者认得出来的亚洲外来语大约 330 个。其中 292 个收进词表，另外约 40 个标成备援，可辨识的字几乎就到顶了。v0.4.0 把 161 个扩充到 292 个，扩充时的原则是好认优先，查得到但没人认得的字宁可先搁着，也不为了凑成 4% 这种漂亮数字而硬塞²。

想再往上拉，例如拉到 10%（约 778 个字），只有两条路。第一条是拿冷僻词充数，puttee、howdah、nilgai、maund 这类字多数人拼不出、念不准也记不住，一收就破坏了词表存在的理由。第二条是改用罗马拼音的官话或注音音节，也就是上一节说过的另一个项目。

工具页把比例比喻成啤酒的酒精浓度（ABV），一个刻意挑过的数字，不是稀释出来的意外。比喻在最后一步失效：酒精浓度更高会有差别，亚洲外来语比例更高不会。无论抽到 tofu 还是 the，每个字都是一样的 12.925 bits，强度只跟词表恰好 7776 字、每次掷骰机率均匀有关。文化覆盖跟好用性冲突的时候，好用性优先。

构建流程挡掉的东西¶

词表由一条可重复执行的流程产出，六个阶段依序是收集、正规化、质量过滤、修剪、组装、验证²。

高频英文字的排序来自 wordfreq 的一份留在仓库里的快照，只当排序依据用。质量过滤那一关把专有名词、缩写与杂讯清掉，它们看起来是英文字，实际上会让密语变得难输入或难辨认。

真正麻烦的是修剪那一关，处理的是前缀冲突。密语词表有一个好性质，任何一个字都不会是另一个字的开头，于是把几个字接在一起，不必分隔符号也能唯一还原出原本的组合。要维持该性质，两个字互为前缀时就得砍掉一个。

问题在于被砍掉的可能正好是钉住的亚洲外来语。流程的规则写得很明确：

钉住的字受保护，前缀冲突发生在钉住的字与一般字之间时，砍一般字
两个一般字相撞时，砍频率较低的那个
两个钉住的字互相冲突时，构建直接失败并印出冲突的那一对字，由人去改数据文件决定砍哪一个

第三条是刻意的。自动砍掉一个钉住的字，词表会悄悄少一个亚洲外来语，没有人会发现。构建失败很吵，吵是必要的，少一个字的问题需要有人看到。

最后的验证有八项验收测试，另外用外部工具 wla 稽核一次，确认长度是 7776、可唯一解码、每字熵值 12.925 bits、没有重复字。验证通过才会发版。

开源条件与怎么取得¶

程序采 MIT，词表数据采 CC-BY-4.0，源代码与完整词表都在 GitHub anoni-net/asian-diceware。频率快照只当排序依据，收进词表的字本身是常见英文词汇。

CC-BY-4.0 的意思是你可以直接拿去印、去发、去改，保留出处标注即可。我们把 7776 字词表排成一本 A5 掷骰查表小册，含封面、使用教学、QR 与版权页，PDF 可以直接下载，约 36 页，用家里或便利店的打印机印 A4 对折成册即可。

做小册时碰到一个实际问题可以分享。PDF 里的中文字体必须内嵌，否则换一台电脑打开就会变成方框，而 macOS 内建的苹方（PingFang）授权不允许为了再分发而内嵌。所以小册改用可自由内嵌的开源字体 Noto Sans TC 与 JetBrains Mono，任何人拿去重印都不会遇上授权问题。要让别人能自由再分发，字体也要一起处理。

社区参加工作坊、小聚与研讨会等实体活动时，也会带几本印好的小册到现场发送。在活动里取得一本、或刚好遇到我们，非常欢迎过来聊聊，问密语、问匿名网络，或只是打声招呼都可以。想知道我们最近会出现在哪，见活动参与。

为什么社区要做一份词表¶

密语词表看起来离匿名网络有一段距离，关联在一个还在规划的项目上。

Tor Project 有一个叫 AnonTicket 的服务，让人不必提供 email 就能匿名向 Tor 的 GitLab 回报问题，账号用系统生成的一组随机英文字代码辨识身分³。让记者接收爆料的 SecureDrop 平台也一样，为每位匿名来源生成一组七个随机字的登录代码⁴。代码要好念、好抄、不容易混淆，来源正是一份挑过的词表。

社区接下来想做一个类似 AnonTicket 的匿名服务平台，还在规划阶段。asian-diceware 就是为了当那种服务的代码字源而准备的，顺便先变成一份现在就能用的密语词表。要做一个不必留下 email 的匿名回报渠道，词表是其中一块材料。