КРИПТОАНАЛІЗ З ВИКОРИСТАННЯМ НЕЙРОННИХ МЕРЕЖ
Опубліковано 16.05.2025
Як цитувати
Завантаження
Авторське право (c) 2025 Андрій Бурцьо, Уляна Марікуца

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.
Анотація
Сучасні криптографічні алгоритми шифрування проектуються таким чином, щоб протистояти відомим атакам, тому пошук їхніх слабких місць є нетривіальною задачею. Криптоаналіз традиційно спирається на математичні методи (наприклад, диференційний чи лінійний криптоаналіз) та потребує значних обчислень і експертних знань. Однак навіть потужні класичні методи можуть не виявити прихованих статистичних аномалій у виходах шифру, що потенційно вказують на вразливості. Штучні нейронні мережі (НМ) зарекомендували себе здатними розпізнавати складні приховані закономірності у великих обсягах даних. Це стимулювало появу напряму “нейронного криптоаналізу” – використання глибоких нейронних мереж для автоматизованого виявлення слабких сторін шифрів.
Посилання
- 1. Băcuieți N.-N., Batina L., Picek S. Deep neural networks aiding cryptanalysis: a case study of the Speck distinguisher // Applied Cryptography and Network Security – ACNS 2022 : Proc. of the 20th Int. Conf., 2022. – Vol. 13269 of LNCS. – P. 809–829.
- 2. Gohr A. Improving attacks on round-reduced Speck32/64 using deep learning // Advances in Cryptology – CRYPTO 2019 : Proc. of the 39th Int. Cryptology Conf. – LNCS, vol. 11693. –
- 2019. – P. 150–179.
- 3. Jeong O., Ahmadzadeh E., Moon I. Comprehensive Neural Cryptanalysis on Block Ciphers Using Different Encryption Methods // Mathematics. – 2024. – 12(13). – Article 1936.
- 4. Кохан С. А., Руженцев В. І. Використання штучних нейронних мереж у криптоаналізі блочного симетричного шифру AES // Сучасні напрями розвитку інформаційно-комунікаційних технологій та засобів управління: тези доп. 11-ї міжнар. наук.-техн. конф., 8–9 квіт. 2021 р. – 2021. – Т. 2, секц. 3–5. – С. 42.
