تحليل الشفرات لخوارزمية السمكة المنتفخة باستخدام التعلم العميق LSTM
Cryptanalysis of Blowfish Algorithm Using LSTM Deep Learning
- الباحث
- رغد ليث مال الله عزيز
- المشرف
- عدي هاشم سعيد الوتار
- الجامعة
- جامعة الموصل
- الكلية / القسم
- كلية علوم الحاسوب والرياضيات / علوم الحاسوب
- الشهادة
- ماجستير
- السنة
- 2024
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Cryptanalysis ; Blowfish ; LSTM ; Deep Learning
الملخص
يعد تحليل التشفير مجالًا Lage جدًا لتفييم أمان خوارزميات التشفيرء خاصة في عصر التقدم السربع في قوة الحوسبة. فيما يتعلق بأمن المعلومات، فمن الضروري تعزيز تقنيات تحليل الشفرات بشكل مستمر. هناك العديد من الأساليب والتقنيات المستخدمة في تحليل الشفرات، بما في ذلك الأساليب الرياضية. ومشكلة الأطروحة هي أن قدرة هذه الأساليب قد تكون محدودة من حيث الجهد ودقة النتائج، أي أنها لا تعطي نتائج مرضية للمحلل أو المهاجم. لذلك، في هذه dag LY! قمنا باستغلال إمكانات خوارزميات الذكاء الاصطناعي (Al) لتحسين تحليل الشفرات لكتلة التشغير (خوارزمية السمكة المنتفخة كدراسة حالة). تقترح هذه الأطروحة نموذجًا US باستخدام بنية LSTM كطبقة تعلم أساسية في الشبكة العصبية المقترحة لتحسين تحليل تشفير السمكة المنتفخة لتعزيز أمانها. تم تدريب هذه الشبكة المقترحة باستخدام مجموعة بيانات تم إنشاؤها بحجم 1218 كيلو بايت من أزواج النص العادي والنص المشفر. ويعد التدريب تم الحصول على دقة تدريب قدرها 0.7076، واعتبرت خسارة التدريب البالغة dai 1.2941 مرضية. تم استخدام أريعة مقاييس لقياس أداء النموذج الذكي باستخدام مجموعة بيانات غير مرئية للنموذج: الدقة، درجة FL الدقة في الاستدعاءء وكانت النتيجة 71؟. توفر هذه الأطروحة رؤى قيمة حول تطبيق خوارزميات الذكاء الاصطناعي لتعزيز أمن تشفير الكتل. بالإضافة إلى ell تشير النتائج إلى التحسينات المحتملة لخوارزمية السمكة المنتفخة، مما يزيد من مرونتها ضد الهجمات. يوفر هذا البحث رؤى قيمة حول تطبيق خوارزميات الذكاء الاصطناعي لتعزيز أمان تشفير الكتل. بالإضافة إلى cll تشير النتائج إلى التحسينات المحتملة لخوارزمية السمكة المنتفخة، مما يزيد من مرونتها ضد الهجمات .
Abstract
Cryptanalysis is a very important field of assessing the security of encryption algorithms, especially in an era of rapid advancements in computing power. Regarding information security, it is essential to enhance cryptanalysis techniques continually. There are many methods and techniques used in cryptanalysis, including mathematical methods. The problem with the thesis is that the ability of these methods may be limited in terms of effort and accuracy of the results, meaning they do not give satisfactory results to the analyst or the attacker. Therefore, in this thesis, an artificial intelligence (AI) algorithm is used to improve the cryptanalysis of block ciphers ( Blowfish algorithm as a case study). This thesis proposes an intelligent model by using the LSTM structure as a basic learning layer in the proposed neural network to improve the analysis of Blowfish cryptography to enhance its security. This proposed neural network was trained using a dataset created with a size of 1218 KB of plaintext and ciphertext pairs. After training, a training accuracy of 0.7076 was obtained, and a training loss of 1.2941 was considered a satisfactory result. Also four metrics were used to measure the performance of the smart model using a data set that is not visible to the model: Accuracy F1 score Recall Precision, the result was 71%. This thesis provides valuable insights into the application of AI algorithms for reinforcing the security of block ciphers. Additionally, the results inform potential enhancements to the Blowfish algorithm, increasing its resilience against attacks.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.