XiaoMi-AI文件搜索系统
World File Search SystemPRNG
用于安全通信的模块化量子电路 - IRIS
准混沌 (QC) 生成器是一类特殊的伪随机数生成器 (PRNG)，在不同领域有多种实现方式。它们旨在生成某些数字序列的伪随机行为，以便以安全方式掩盖要处理或传输的信息 [1–5]。具体而言，QC 生成器非常适合加密，更广泛地说，适合对信号进行编码/解码以实现安全通信 [6–8]。因此，QC 生成器被认为特别适合在安全和隐蔽数据传输领域挖掘离散时间电路的潜力。过去，已提出使用余数系统 (RNS) 架构来实现 QC 生成器 [9]，因为它们利用模块化算法，可以以直接的方式获得伪随机行为，并且具有关于超大规模集成电路 (VLSI) 部署、模块化、速度、容错和低功耗的有趣特性 [10]。本文重点介绍模块化算法的使用，不一定基于 RNS，以便获得可以连续映射到量子数字电路中的 QC 生成器的灵活实现。为此，QC 生成器可以通过非线性
在Keccak上模拟SASCA：量词后加密方案的安全含义
摘要：Keccak是一种标准哈希算法，在加密协议中用作伪随机函数（PRF），作为伪随机数生成器（PRNG），用于检查数据完整性或创建基于哈希的消息身份验证代码（HMAC）。在许多密码结构中，秘密数据都使用哈希功能处理。在这些情况下，恢复给出的散列算法的输入允许检索秘密数据。在本文中，我们研究了基于信仰传播（BP）框架的软分析侧通道攻击（SASCA）的应用，以恢复SHA-3实例的输入。借助模拟框架，我们通过对攻击者的恢复能力进行全面研究来扩展有关Keccak-F排列函数的现有工作，具体取决于哈希功能变体。然后，我们研究了SASCA对密码系统的安全含义，这些密码系统执行多个呼叫对哈希功能的调用，并具有从相同秘密数据中得出的输入。我们表明，攻击者可以有效利用此类构造，并通过针对Kyber的加密程序和Dilithium的签名例程来显示典型的用例。我们还表明，增加Kyber的安全参数意味着对SASCA的安全性较弱。最后，我们的研究提供了有关Keccak成功SASCA所需的最小位分类精度的见解。
用于对称设计的人工智能......
现代密码学依赖于使用精确的数学定义和严格的证明来保证在特定对手策略模型下达到一定的安全级别。因此，设计一个可靠的密码原语或协议通常是一项艰巨的任务，对其进行密码分析也是如此。在这方面，人工智能 (AI) 提供了许多有趣的方法和工具来解决密码方案设计中的问题。通过查看现有文献，可以发现许多作品使用人工智能领域的各种方法来解决与密码学相关的几个用例。根据潜在问题的性质，可以将这些作品分为两个主要领域：搜索和优化。密码原语设计中的几个问题可以归结为离散搜索空间上的组合优化问题，例如，搜索具有所需加密属性的布尔函数和 S 盒等，它们是对称加密方案设计的基本构建块。为此，基于人工智能的启发式技术，如进化算法[51]、模拟退火[14]和群体智能[37]已被证明对于解决与密码学相关的优化问题非常有用。计算模型。第二个领域涉及使用属于人工智能领域的计算模型作为密码方案设计的组成部分。在这种情况下，基本思想是将整体方案的安全性与此类计算模型的复杂动态行为联系起来，这些计算模型原则上很难进行密码分析。也许这个研究线索中最著名的例子是细胞自动机，它主要用于设计对称加密原语，如用于流密码的伪随机数生成器（PRNG）[66，67]和用于分组密码的 S 盒 [20，39]。本章旨在对使用人工智能方法和模型设计密码原语和协议的最新进展进行概述，重点关注上述两个领域。特别是，我们考虑了基于人工智能的密码学最重要的用例，即布尔函数、S 盒和伪随机数生成器 (PRNG) 的设计。对于每个用例，我们介绍相应的密码设计问题，然后概述相关文献。最后，我们考虑了该研究领域在未来几年可能发展的两个新方向。本章的其余部分组织如下。第 2 节简要介绍了密码学的基本概念，并涵盖了与基于人工智能的启发式技术和细胞自动机相关的基本概念。第 3 至第 5 节重点介绍用于设计密码原语的人工智能技术，特别是布尔函数、S 盒和伪随机数生成器的用例。最后，第 6 节在最后讨论了基于人工智能的密码学领域的未解决的问题和未来研究的方向。