神经网络遇上椭圆曲线密码学：面向安全通信的新方法
密码学与安全
2024-07-15 v1 人工智能
摘要
近年来，神经网络被用于实现安全通信中对称密码函数。扩展这一领域，本文探讨了在神经网络框架内应用非对称密码学以保障两个通信实体（即 Alice 和 Bob）之间信息交换受到 adversarial 窃听者（即 Eve）的防护。它采用五个不同的加密密钥来评估通信安全性对抗窃听尝试的有效性和鲁棒性，基于椭圆曲线密码学的原理。实验设置显示，Alice 和 Bob 在不同曲线之间几乎没有安全性有效性变化。它还旨在评估密码学韧性。具体而言，Bob 在加密-解密过程中损失指标在 0 到 1 之间振荡，表明Alice 对信息的加密后，Bob 成功理解了消息。当解密准确率超过 60% 时，存在潜在漏洞，Eve 获得了增强的对抗性训练，每个 batch 的训练迭代次数是 Alice 和 Bob 的两倍。
引用
@article{arxiv.2407.08831,
title = {Neural Networks Meet Elliptic Curve Cryptography: A Novel Approach to Secure Communication},
author = {Mina Cecilie Wøien and Ferhat Ozgur Catak and Murat Kuzlu and Umit Cali},
journal= {arXiv preprint arXiv:2407.08831},
year = {2024}
}
备注
8 pages