利用机器学习对二战时期密码进行分类
机器学习
2023-08-31 v2 密码学与安全
摘要
我们确定了在仅有密文可用时，机器学习与深度学习技术对所选二战时期密码进行分类的准确率。具体考虑的密码为 Enigma、M-209、Sigaba、Purple 和 Typex。我们实验了三种经典机器学习模型，即支持向量机（SVM）、-近邻（-NN）和随机森林（RF）。我们还实验了四种基于深度学习的神经网络模型：多层感知机（MLP）、长短期记忆（LSTM）、极限学习机（ELM）和卷积神经网络（CNN）。每个模型在由直方图、双字母组合和原始密文字母序列构成的特征上进行训练。此外，分类问题在四种不同场景下考虑：固定明文与固定密钥、随机明文与固定密钥、固定明文与随机密钥，以及随机明文与随机密钥。在最真实的场景下，给定每个密文 1000 个字符，我们能够以超过 97% 的准确率区分这些密码。此外，我们考虑了部分学习技术的准确率随密文消息长度的变化关系。有些令人惊讶的是，我们的经典机器学习模型表现至少与深度学习模型一样好。我们还发现，设计中更为相似的密码区分起来稍具挑战性，但并未如预期般困难。
引用
@article{arxiv.2307.00501,
title = {Classifying World War II Era Ciphers with Machine Learning},
author = {Brooke Dalton and Mark Stamp},
journal= {arXiv preprint arXiv:2307.00501},
year = {2023}
}