論文の概要: TEDL: A Text Encryption Method Based on Deep Learning
- arxiv url: http://arxiv.org/abs/2003.04038v2
- Date: Wed, 11 Mar 2020 03:47:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 08:26:16.488615
- Title: TEDL: A Text Encryption Method Based on Deep Learning
- Title(参考訳): TEDL:ディープラーニングに基づくテキスト暗号化手法
- Authors: Xiang Li and Peng Wang
- Abstract要約: 本稿では,TEDLと呼ばれる深層学習に基づく新しいテキスト暗号化手法を提案する。
実験および関連する分析の結果、TEDLはセキュリティ、効率、汎用性に優れ、キー再配布頻度の低いことが示されている。
- 参考スコア(独自算出の注目度): 10.428079716944463
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have seen an increasing emphasis on information security, and
various encryption methods have been proposed. However, for symmetric
encryption methods, the well-known encryption techniques still rely on the key
space to guarantee security and suffer from frequent key updating. Aiming to
solve those problems, this paper proposes a novel text encryption method based
on deep learning called TEDL, where the secret key includes hyperparameters in
deep learning model and the core step of encryption is transforming input data
into weights trained under hyperparameters. Firstly, both communication parties
establish a word vector table by training a deep learning model according to
specified hyperparameters. Then, a self-update codebook is constructed on the
word vector table with the SHA-256 function and other tricks. When
communication starts, encryption and decryption are equivalent to indexing and
inverted indexing on the codebook, respectively, thus achieving the
transformation between plaintext and ciphertext. Results of experiments and
relevant analyses show that TEDL performs well for security, efficiency,
generality, and has a lower demand for the frequency of key redistribution.
Especially, as a supplement to current encryption methods, the time-consuming
process of constructing a codebook increases the difficulty of brute-force
attacks while not degrade the communication efficiency.
- Abstract(参考訳): 近年,情報セキュリティへの注目が高まり,様々な暗号化手法が提案されている。
しかし、対称暗号法では、よく知られた暗号化技術はセキュリティを保証するために鍵空間に依存し、頻繁に鍵更新に苦しむ。
そこで本研究では,深層学習モデルにおいて,秘密鍵はハイパーパラメータを含み,暗号のコアステップは入力データをハイパーパラメータで訓練された重みに変換する,TEDLと呼ばれる新しいテキスト暗号化手法を提案する。
まず、両方の通信相手は、指定されたハイパーパラメータに従ってディープラーニングモデルをトレーニングすることにより、単語ベクトルテーブルを確立する。
そして、単語ベクトルテーブル上にSHA-256関数などのトリックで自己更新コードブックを構築する。
通信が始まると、暗号化と復号はそれぞれコードブック上のインデックス化と逆インデックス化と等価であり、プレーンテキストと暗号テキスト間の変換を実現している。
実験と関連する分析の結果、tedlはセキュリティ、効率、汎用性に優れており、鍵の再分配の頻度に対する需要は低いことがわかった。
特に、現在の暗号化手法の補足として、コードブックの構築に要する時間を要するプロセスは、通信効率を低下させずに、ブルートフォース攻撃の難しさを増大させる。
関連論文リスト
- CodeChameleon: Personalized Encryption Framework for Jailbreaking Large
Language Models [49.60006012946767]
パーソナライズされた暗号化手法に基づく新しいジェイルブレイクフレームワークであるCodeChameleonを提案する。
我々は、7つの大規模言語モデルに関する広範な実験を行い、最先端の平均アタック成功率(ASR)を達成する。
GPT-4-1106上で86.6%のASRを実現する。
論文 参考訳(メタデータ) (2024-02-26T16:35:59Z) - Cryptanalysis and improvement of multimodal data encryption by
machine-learning-based system [0.0]
このフィールドの様々な要求を満たす暗号化アルゴリズム。
暗号化アルゴリズムを分析するための最良のアプローチは、それを壊すための実用的で効率的なテクニックを特定することである。
論文 参考訳(メタデータ) (2024-02-24T10:02:21Z) - EntropyRank: Unsupervised Keyphrase Extraction via Side-Information
Optimization for Language Model-based Text Compression [62.261476176242724]
本稿では,事前学習言語モデル(LM)とシャノンの情報に基づいて,テキストからキーワードやキーワードを抽出する教師なし手法を提案する。
具体的には,LMの条件エントロピーが最も高い句を抽出する。
論文 参考訳(メタデータ) (2023-08-25T14:23:40Z) - Revocable Cryptography from Learning with Errors [61.470151825577034]
我々は、量子力学の非閉鎖原理に基づいて、キー呼び出し機能を備えた暗号スキームを設計する。
我々は、シークレットキーが量子状態として表現されるスキームを、シークレットキーが一度ユーザから取り消されたら、それらが以前と同じ機能を実行する能力を持たないことを保証して検討する。
論文 参考訳(メタデータ) (2023-02-28T18:58:11Z) - Enhancing Networking Cipher Algorithms with Natural Language [0.0]
自然言語処理は、ネットワーク暗号化モデルにおける最も弱いリンクと考えられている。
本稿では、脆弱なストリームの暗号化を支援する手段として、言語を対称暗号化に統合する方法を要約する。
論文 参考訳(メタデータ) (2022-06-22T09:05:52Z) - A Variational Quantum Attack for AES-like Symmetric Cryptography [69.80357450216633]
古典的AES様対称暗号のための変分量子攻撃アルゴリズム(VQAA)を提案する。
VQAAでは、既知の暗号文は、正規グラフを通して構築されるハミルトンの基底状態として符号化される。
論文 参考訳(メタデータ) (2022-05-07T03:15:15Z) - Autoregressive Linguistic Steganography Based on BERT and Consistency
Coding [17.881686153284267]
言語ステガノグラフィ(LS)は、秘密情報をテキストに埋め込むことによって、コミュニケーションの存在を隠蔽する。
近年のアルゴリズムでは、言語モデル(LM)を用いてステガノグラフテキストを生成する。
本稿では,BERTと整合性符号化に基づく自己回帰型LSアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-03-26T02:36:55Z) - Efficient Batch Homomorphic Encryption for Vertically Federated XGBoost [9.442606239058806]
本稿では,広範に使用されているXGBoostモデルを,垂直連合学習環境に適用する際の効率問題について検討する。
本稿では,暗号関連および伝送のコストをほぼ半分に削減する,新しいバッチ同型暗号法を提案する。
論文 参考訳(メタデータ) (2021-12-08T12:41:01Z) - Recovering AES Keys with a Deep Cold Boot Attack [91.22679787578438]
コールドブート攻撃は、電源がシャットダウンされた直後に破損したランダムアクセスメモリを検査する。
本研究では,AES鍵に対する攻撃を適用するために,深誤り訂正符号手法の新たな暗号版とSATソルバ方式を併用する。
以上の結果から,本手法は攻撃方法の精度を極めて高いマージンで上回っていることが明らかとなった。
論文 参考訳(メタデータ) (2021-06-09T07:57:01Z) - Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。
本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。
各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
論文 参考訳(メタデータ) (2020-06-17T18:14:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。