دیده بان پیشرفت علم، فناوری و نوآوری
31 تير 1400 - 13:30

الگوریتم جدید رمزنگاری را دگرگون می‌سازد

نتایج تحقیقات نشان می‌دهد الگوریتم‌های جدید در تخمین سطح امنیتی داده‌های رمزگذاری‌شده بهتر عمل می‌کنند.
کد خبر : 596164
هکر2



به گزارش خبرنگار گروه علم و فناوری خبرگزاری آنا، دانشمندان الگوریتمی را ایجاد کرده‌اند که حدس زدن کلیدهای مخفی سیستم‌های رمزنگاری را برای مهاجمین و هکرها بیش از پیش دشوار می‌کند. این الگوریتم همچنین می‌تواند پیچیدگی محاسباتی مورد نیاز برای تأیید امنیت رمزگذاری را بکاهد.


یونگ‌جون کیم(Yongjune Kim)، پژوهشگر علوم کامپیوتر مؤسسه DGIST که با همکاری سیریل گایوت(Cyril Guyot) و یانگ سیک کیم(Young-Sik Kim)، این تحقیق را انجام داده ‌است، توضیح می‌دهد: «اعداد تصادفی برای تولید اطلاعات رمزنگاری ضروری است. تصادفی بودن عنصری مهم برای امنیت سیستم‌های رمزنگاری است.»




بیشتر بخوانید:


سرقت اطلاعات میلیون‌ها گیمر توسط هکرها


رمز عبورهایی که هرگز نباید استفاده کنید!




در امنیت سایبری از رمزنگاری برای محافظت از اطلاعات استفاده می‌شود. دانشمندان معمولاً از معیاری به نام انتروپی پایین(min-entropy) برای تخمین و تأیید میزان درجه قابل اعتماد بودن منبع در تولید اعداد تصادفی برای رمزگذاری داده‌ها استفاده می‌کنند. رمزگشایی داده‌ها با انتروپی پایین آسان است. این در حالی است که رمزگشایی داده‌های با انتروپی بالا بسیار دشوارتر است. اما تخمین دقیق حداقل انتروپی برای برخی از انواع منابع دشوار است.


کیم و همکارانش یک الگوریتم آفلاین تهیه کرده‌اند که حداقل انتروپی را بر اساس یک مجموعه داده کلی تخمین می‌زند و یک برآوردگر آنلاین که فقط به نمونه‌های داده محدودی نیاز دارد. دقت برآوردگر آنلاین با افزایش میزان نمونه‌های داده بهبود خواهد یافت. همچنین برآوردگر آنلاین نیازی به ذخیره کل مجموعه داده‌ها ندارد، بنابراین می‌توان از آن در برنامه‌هایی با دیسک سخت، حافظه ذخیره‌سازی و محدودیت‌های سخت افزاری، مانند دستگاه‌های اینترنتی و... استفاده کرد.


کیم می‌گوید: «ارزیابی‌های ما نشان داده است که الگوریتم‌های ما می‌توانند حداقل انتروپی را ۵۰۰ برابر سریع‌تر از الگوریتم استاندارد فعلی تخمین بزنند و در عین حال دقت تخمین را حفظ کنند.»


کیم و همکارانش در حال بهبود دقت این الگوریتم و سایر الگوریتم‌های تخمین انتروپی در رمزنگاری هستند. آنها همچنین در حال بررسی چگونگی بهبود حریم خصوصی در برنامه‌های یادگیری ماشین هستند. انتظار می‌رود با این روش جدید، رمزنگاری داده‌ها مطمئن‌تر از گذشته شود.


انتهای پیام/۴۱۶۰



انتهای پیام/

ارسال نظر
هلدینگ شایسته