Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Κρυπτανάλυση με χρήση μεθόδων τεχνητής νοημοσύνης

Bogiannidou Maria

Πλήρης Εγγραφή


URI: http://purl.tuc.gr/dl/dias/A80EC4F7-8116-455C-99F4-C9EE7363BDB4
Έτος 2021
Τύπος Μεταπτυχιακή Διατριβή
Άδεια Χρήσης
Λεπτομέρειες
Βιβλιογραφική Αναφορά Μαρία Μπογιαννίδου, "Κρυπτανάλυση με χρήση μεθόδων τεχνητής νοημοσύνης ", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Στρατιωτική Σχολή Ευελπίδων, Χανιά, Ελλάς, 2021 https://doi.org/10.26233/heallink.tuc.90111
Εμφανίζεται στις Συλλογές

Περίληψη

Η παρούσα μεταπτυχιακή διατριβή αφορά στην κρυπτανάλυση με χρήση μεθόδων τεχνητής νοημοσύνης. Η κρυπτανάλυση, η αποκωδικοποίηση δηλαδή κρυπτογραφημένων πληροφοριών, αποτελεί πρόκληση ανά τους αιώνες. Εκτός από την εφαρμογή της για την απόκτηση πληροφοριών στις οποίες δεν επιτρέπεται η πρόσβαση, χρησιμοποιείται επίσης και για να εντοπίζει τις αδυναμίες και τα τρωτά σημεία κάθε κρυπτοσυστήματος, πριν αυτό εφαρμοστεί. Η κρυπτανάλυση είναι ένα πολύ σημαντικό βήμα στον έλεγχο της δύναμης κάθε κρυπτοσυστήματος.Την τελευταία δεκαετία έχει παρατηρηθεί ένα αυξανόμενο ενδιαφέρον στην εφαρμογή μεθόδων Τεχνητής Νοημοσύνης σε προβλήματα που προκύπτουν στον τομέα της κρυπτογραφίας και της κρυπτανάλυσης. Αυτό συμβαίνει λόγω της αποτελεσματικότητας των μεθόδων αυτών στον χειρισμό δύσκολων προβλημάτων και στον ιδιαιτέρως σπουδαίο ρόλο των αυτοματοποιημένων τεχνικών στον σχεδιασμό και στην κρυπτανάλυση κρυπτοσυστημάτων. Η τεχνητή και υπολογιστική νοημοσύνη έχουν αρκετά κοινά χαρακτηριστικά με την επιστήμη της κρυπτολογίας, ιδιαίτερα με την κρυπτανάλυση. Κάποια από αυτά είναι η επεξεργασία μεγάλου όγκου δεδομένων και οι εργασίες σε μεγάλους χώρους αναζήτησης . Ο κρυπταναλυτής ψάχνει το κατάλληλο κλειδί για κάθε συγκεκριμένη αποκρυπτογράφηση μέσα σε πολλές πληροφορίες και η τεχνητή νοημοσύνη μια κατάλληλη λύση σε ένα πλήθος πιθανών λύσεων. Αυτή η εργασία λοιπόν, θα παρουσιάσει αλγόριθμους και μεθόδους τεχνητής νοημοσύνης που χρησιμοποιούνται για κρυπτανάλυση. Αρχικά θα παρουσιαστούν βασικοί ορισμοί και έννοιες και θα γίνει μία μικρή ιστορική αναδρομή. Έπειτα, θα αναλυθούν οι Κρυπτογραφικοί Αλγόριθμοι Δέσμης (Block ciphers), με έμφαση στις συμμετρικές δομές Feistel και τον κρυπταλγόριθμο DES (Data Encryption Standard ).Στην συνέχεια, θα αναλυθούν οι αλγόριθμοι που έχουν εμπνευστεί από την φυσική εξέλιξη και την κοινωνική συμπεριφορά, δηλαδή οι αλγόριθμοί Εξελικτικού Υπολογισμού (Evolutionary Computation-EC). Έμφαση θα δοθεί στον αλγόριθμο PSO (Particle Swarm Optimization, ’’Βελτιστοποίησης Σμήνους Σωματιδίων ‘’ ). Τα επόμενα που θα παρουσιαστούν θα είναι τα Τεχνητά Νευρωνικά Δίκτυα (Artificial Neural Networks ,ANN) και οι διάφορες εφαρμογές τους, όπως στην κρυπτογραφία ελλειπτικών καμπυλών. Στη συνέχεια, θα αναλυθεί ένα είδος των ANN, το Πολυωνυμικό Νευρικό Δίκτυο Κορυφογραμμής (Ridge Polynomial Network -RPN). Τέλος, θα επισημανθούν παρατηρήσεις μέσα από την παρουσίαση πινάκων αποτελεσμάτων πειραμάτων.Στο κεφάλαιο 6 θα παρουσιαστεί μία μελέτη για την κρυπτανάλυση του κρυπτογραφήματος Speck32/64 με χρήση νευρωνικών distinguishers και δικτύων. Το Speck θεωρείται ένα από το πιο απροσπέλαστα κρυπτογραφήματα και η κρυπτανάλυση του αποτελεί μεγάλη πρόκληση. Κυρίως έχει επιτευχθεί σε Speck μειωμένων επαναλήψεων.Κάποιες έννοιες δυστυχώς δεν υπάρχουν στην ελληνική ορολογία και θα αναγράφονται στα αγγλικά. Στο τέλος υπάρχει ένα κεφάλαιο με παρουσίαση της ορολογίας και ανάλυση διάφορων εννοιών που θα αναφερθούν στην παρούσα διατριβή και θεώρησα ότι χρήζουν επεξήγησης.

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά