Najnowszy Numer
Archiwum
O Nas
Międzynarodowa Rada Naukowa
Rada Redakcyjna
Kontakt
Recenzenci
Standardy etyczne
Standardy etyczne czasopisma (COPE)
Polityka Open Access
Procedura zabezpieczająca oryginalność publikacji
Dla Autorów
Wymagania Edytorskie
Wytyczne Merytoryczne
Proces Recenzji
Dla Recenzentów
ARTYKUŁ PRZEGLĄDOWY
ALGORYTMY INSPIROWANE NATURĄ W KRYPTOANALIZIE
1
Uniwersytet Śląski w Gliwicach
Data publikacji: 05-12-2014
SBN 2014;6(2): 185-197
SŁOWA KLUCZOWE
STRESZCZENIE
W dzisiejszych czasach ochrona informacji jest niezwykle istotna, a jednym z elementów zapewniających ową ochronę jest kryptografia. Tu z kolei ważną
rolę odgrywa kryptoanaliza, która pozwala badać bezpieczeństwo używanych szyfrów.
Oprócz typowo analitycznego podejścia do łamania szyfrów (jak kryptoanaliza różnicowa, kryptoanaliza liniowa czy analiza statystyczna) od kilkunastu lat do tego celu
zaprzęga się różnego rodzaju niedeterministyczne systemy inspirowane naturą. Użycie
takich technik nie jest do końca intuicyjne – w kryptoanalizie często ważne jest znalezienie jednego konkretnego klucza (rozwiązania optymalnego), a każde inne rozwiązanie
daje kiepskie rezultaty, nawet jeśli jest blisko optimum globalnego.
REFERENCJE (39)
1.
A. A. Abd, H. A. Younis, W. S., Awad, it Attacking of stream Cipher Systems Using a Genetic Algorithm, Journal of the University of Thi Qar, Volume 6, pp.1–6, 2011.
2.
A. Almarimi, A. Kumar, I. Almerhag, N. Elzoghbi, A new approach for data encryption using genetic algorithms, 2006.
3.
A. G. Bafghi, R. Safabakhsh, B. Sadeghiyan, Finding the differential characteristics of block ciphers with neural networks, Information Sciences, Vol.178, No 15, pp. 3118–3132, 2008.
4.
K. P. Bergmann, Cryptanalysis Using Nature-Inspired Optimization Algorithms (master’s thesis), 2007.
5.
L. Blum, M. Blum, M. Shub, A Simple Unpredictable Pseudo Random Number Generator, SIAM J. Comput. 15, 2, pp. 364–383, 1986.
6.
V. Cerny, Thermodynamical approach to the traveling salesman problem: An efficient simulation algorithm, Journal of Optimization Theory and Applications, pp. 41–51, 1985.
7.
J. A. Clark, Invited paper. Nature-inspired cryptography: Past, present and future, Proceedings of the 2003 Congress on Evolutionary Computation CEC2003, pp. 1647–1654, 2003.
8.
M. Dorigo, D. Di Caro, L. M. Gambardella, Ant Algorithms for Discrete Optimization, Artificial Life, pp. 137–172, 1999.
9.
P. Garg, A. Shastri, An Improved Cryptanalytic Attack on Knapsack Cipher using Genetic Algorithm, World Academy of Science, Engineering and Technology, pp.553–560, 2007.
10.
P. Garg, A Comparison between Memetic algorithm and Genetic algorithm for the cryptanalysis of Simplified Data Encryption Standard algorithm, International Journal of Network Security & Its Applications (IJNSA), Vol.1, No 1, pp.34–42, April 2009.
11.
F. Glover, Future Paths for Integer Programming and Links to Artificial Intelligence, Comput. Oper. Res., pp. 533–549, 1986.
13.
G. Hospodar, B. Gierlichs, E. D. Mulder, I. Verbauwhede, J. Vandewalle, Machine learning in side-channel analysis: a first study, J Cryptogr Eng (2011), pp.293–302, 2011.
14.
P. Itaima, M. C. Riffa, Applying Differential Cryptanalysis for XTEA using a Genetic Algorithm, 2008.
15.
J. Kennedy, R. Eberhart, Particle swarm optimization, IEEE International Conference on Neural Networks, Proceedings, pp. 1942–1948, 1995.
16.
S. Kirkpatrick, C. D. Gelatt, M. P. Vecchi, Optimization by Simulated Annealing, Science, Number 4598, pp. 671–680, 1983.
17.
E. C. Laskari, G. C. Meletiou, Y. C. Stamatiou, M. N. Vrahatis, Applying evolutionary computation methods for the cryptanalysis of Feistel ciphers, Applied Mathematics and Computation 184(1), pp. 63–72, 2007.
18.
E. C. Laskari, G. C. Meletiou, Y. C. Stamatiou, D. K. Tasoulis, M. N. Vrahatis, Assessing the effectiveness of artificial neural networks on problems related to elliptic curve cryptography, Mathematical and Computer Modelling, Vol.46, No 12, pp.174–179, 2007.
19.
J. L. Massey, Shift-register synthesis and BCH decoding, IEEE Transactions on Information Theory, Vol.15, No 1, pp.122–127, 1969.
20.
Z. Michalewicz, Algorytmy genetyczne + struktuy danych = programy ewolucyjne, Warszawa, Wydawnictwa Naukowo-Techniczne, 2003.
21.
Z. Michalewicz, D. B. Fogel, Jak to rozwiązać czyli Nowoczesna heurystyka, Warszawa, Wydawnictwa Naukowo-Techniczne, 2006.
22.
W. Millan, A. Clark, E. Dawson, Heuristic design of cryptographically strong balanced Boolean functions, Advances in Cryptology EUROCRYPT’98, Lecture Notes in Computer Science, pp. 489–499, 1998.
24.
P. Moscato, On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms, California Institute of Technology, 1989.
25.
N. Nalini, G. Raghavendra Rao, A new encryption and decryption algorithm combining the features of genetic algorithm (GA) and cryptography, 1999.
26.
N. Nalini, G. Raghavendra Rao, Cryptanalysis of Simplified Data Encryption Standard via Optimisation Heuristics, 2006.
27.
N. Nalini, G. Raghavendra Rao, Experiments on Cryptanalysing Block Ciphers via Evolutionary Computation Paradigms, 2006.
28.
A. M. Odlyzko, The rise and fall of knapsack cryptosystems, Cryptology and Computational Number Theory, pp. 75–88, 1990.
29.
K. M. Passino, Bacterial Foraging Optimization, Int. J. Swarm. Intell. Res., vol. 1, no 1, pp. 1–16, 2010.
30.
D. T. Pham i inni, The bees algorithm, Technical report, Manufacturing Engineering Centre, Cardiff University, UK, 2005.
31.
I. Polak, M. Boryczka, Breaking LFSR Using Genetic Algorithm, Computational Collective Intelligence, Technologies and Applications, pp. 731–738, 2013.
32.
M. D. Russell, J. A. Clark, S. Stepney, Making the Most of Two Heuristics: Breaking Transposition Ciphers with Ants, Evolutionary Computation, CEC ’03, Vol. 4, pp. 2653–2658, 2003.
33.
B. Schneier, Kryptografia dla praktyków, Wyd. 2, Warszawa, Wydawnictwa Naukowo-Techniczne, 2002.
34.
G. Selvi, T. Purusothaman, Cryptanalysis of Simple Block Ciphers using Extensive Heuristic Attacks, European Journal of Scientific Research, Vol.78 No.2 (2012), pp.198–221, 2012.
35.
M. Srinivas, L. M. Patnaik, Adaptive probabilities of crossover and mutation in genetic algorithms, IEEE Transactions on Systems, Man, and Cybernetics, 4, pp. 656–667, 1994.
36.
J. Song, H. Zhang, Q. Meng, Z. Wang, Cryptanalysis of Four-Round DES Based on Genetic Algorithm International Conference on Wireless Communications, Networking and Mobile Computing. WiCom. pp. 2326–2329, 2007.
37.
R. Storn, K. Price, Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces, J. of Global Optimization, vol. 11, no 4, pp. 341–359, 1997.
38.
X. -S. Yang, S. Deb, Cuckoo Search via Lvy Flights, NaBIC, IEEE, pp. 210–214, 2009.
39.
I. F. T. Yaseen, H. V. Sahasrabuddhe, Breaking multiplicative knapsack ciphers using a genetic algorithm, Proceedings of the International Conference on Knowledge Based Computer Systems, p. 129–139, 1998.
Udostępnij
| ISSN: | 2082-2677 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
