論文の概要: A Security Verification Framework of Cryptographic Protocols Using Machine Learning

• arxiv url: http://arxiv.org/abs/2304.13249v1
• Date: Wed, 26 Apr 2023 02:37:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-27 15:46:52.169482
• Title: A Security Verification Framework of Cryptographic Protocols Using Machine Learning
• Title（参考訳）: 機械学習を用いた暗号化プロトコルのセキュリティ検証フレームワーク
• Authors: Kentaro Ohno, Misato Nakabayashi
• Abstract要約: 機械学習を用いた暗号プロトコルのセキュリティ検証フレームワークを提案する。 ランダムなプロトコルを自動的に生成し、セキュリティラベルを割り当てることで、任意に大規模なデータセットを作成する。 提案手法を実用的な暗号プロトコルの検証に適用して評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a security verification framework for cryptographic protocols using machine learning. In recent years, as cryptographic protocols have become more complex, research on automatic verification techniques has been focused on. The main technique is formal verification. However, the formal verification has two problems: it requires a large amount of computational time and does not guarantee decidability. We propose a method that allows security verification with computational time on the order of linear with respect to the size of the protocol using machine learning. In training machine learning models for security verification of cryptographic protocols, a sufficient amount of data, i.e., a set of protocol data with security labels, is difficult to collect from academic papers and other sources. To overcome this issue, we propose a way to create arbitrarily large datasets by automatically generating random protocols and assigning security labels to them using formal verification tools. Furthermore, to exploit structural features of protocols, we construct a neural network that processes a protocol along its series and tree structures. We evaluate the proposed method by applying it to verification of practical cryptographic protocols.
• Abstract（参考訳）: 機械学習を用いた暗号プロトコルのセキュリティ検証フレームワークを提案する。 近年,暗号プロトコルの複雑化に伴い,自動検証技術の研究が注目されている。 主な技術は形式的検証である。 しかし、形式的検証には2つの問題がある: 大量の計算時間を必要とし、決定可能性を保証することはない。 本稿では,機械学習を用いたプロトコルのサイズに関して,線形順序の計算時間によるセキュリティ検証を可能にする手法を提案する。 暗号化プロトコルのセキュリティ検証のための機械学習モデルのトレーニングでは、十分な量のデータ、すなわちセキュリティラベル付きプロトコルデータの集合を学術論文やその他の情報源から収集することは困難である。 そこで本稿では,ランダムなプロトコルを自動生成し,セキュリティラベルを正規の検証ツールを用いて割り当てることで,任意の規模のデータセットを作成する方法を提案する。 さらに,プロトコルの構造的特徴を活用するために,プロトコルの系列や木構造に沿って処理するニューラルネットワークを構築する。 提案手法を実用的な暗号プロトコルの検証に適用して評価する。

関連論文リスト

• CryptoFormalEval: Integrating LLMs and Formal Verification for Automated Cryptographic Protocol Vulnerability Detection [41.94295877935867]
  我々は,新たな暗号プロトコルの脆弱性を自律的に識別する大規模言語モデルの能力を評価するためのベンチマークを導入する。 私たちは、新しい、欠陥のある通信プロトコルのデータセットを作成し、AIエージェントが発見した脆弱性を自動的に検証する方法を設計しました。
  論文  参考訳（メタデータ） (2024-11-20T14:16:55Z)
• The Latency Price of Threshold Cryptosystem in Blockchains [52.359230560289745]
  本稿では,Byzantine-fault Tolerant(BFT)コンセンサスプロトコルを用いた,しきい値暗号とブロックチェーンのクラス間の相互作用について検討する。 しきい値暗号システムに対する既存のアプローチは、しきい値暗号プロトコルを実行するための少なくとも1つのメッセージ遅延の遅延オーバーヘッドを導入している。 しきい値が狭いブロックチェーンネイティブのしきい値暗号システムに対して,このオーバーヘッドを取り除く機構を提案する。
  論文  参考訳（メタデータ） (2024-07-16T20:53:04Z)
• Protocols to Code: Formal Verification of a Next-Generation Internet Router [9.971817718196997]
  SCIONルータは、敵の環境でセキュアなパケット転送のための暗号化プロトコルを実行する。 プロトコルのネットワーク全体のセキュリティ特性と,その実装の低レベル特性の両方を検証する。 本稿では,本研究のアプローチを説明し,主な成果を要約し,検証可能なシステムの設計と実装に関する教訓を抽出する。
  論文  参考訳（メタデータ） (2024-05-09T19:57:59Z)
• DT-SIM: Property-Based Testing for MPC Security [2.0308771704846245]
  プロパティベースのテストはセキュアプロトコルのセキュリティバグの検出に有効である。 セキュアマルチパーティ計算(MPC)を特に対象とする。 MPCプロトコルのビットレベル実装において,様々な欠陥を検出するテストを作成する。
  論文  参考訳（メタデータ） (2024-03-08T02:02:24Z)
• A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
  コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。 本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。 実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
  論文  参考訳（メタデータ） (2024-01-19T14:52:04Z)
• A General Framework for Verification and Control of Dynamical Models via Certificate Synthesis [54.959571890098786]
  システム仕様を符号化し、対応する証明書を定義するためのフレームワークを提供する。 コントローラと証明書を形式的に合成する自動化手法を提案する。 我々のアプローチは、ニューラルネットワークの柔軟性を利用して、制御のための安全な学習の幅広い分野に寄与する。
  論文  参考訳（メタデータ） (2023-09-12T09:37:26Z)
• Pre-trained Encoders in Self-Supervised Learning Improve Secure and Privacy-preserving Supervised Learning [63.45532264721498]
  自己教師付き学習は、ラベルのないデータを使ってエンコーダを事前訓練するための新しいテクニックである。 我々は、事前訓練されたエンコーダがセキュア・プライバシ保護型学習アルゴリズムの限界に対処できるかどうかを理解するための、最初の体系的、原則的な測定研究を行う。
  論文  参考訳（メタデータ） (2022-12-06T21:35:35Z)
• Perfectly Secure Steganography Using Minimum Entropy Coupling [60.154855689780796]
  カチン1998のステガノグラフィー情報理論モデルでは, ステガノグラフィーの術式は完全に安全であることが示されている。 また, 完全セキュアな手順の中で, 最小エントロピー結合によって誘導される場合に限, 情報スループットが最大になることを示す。
  論文  参考訳（メタデータ） (2022-10-24T17:40:07Z)
• A short review on quantum identity authentication protocols: How would Bob know that he is talking with Alice? [0.0]
  量子鍵分布のスキーム(QKD)の実装が成功するには、前提条件としてアイデンティティ認証が必要である。 量子資源を用いたアイデンティティ認証のためのいくつかのスキームが提案されている。 このようなプロトコルのセキュリティも批判的に分析される。
  論文  参考訳（メタデータ） (2021-12-08T11:22:29Z)
• Twin-field quantum digital signatures [4.503555294002338]
  デジタルシグネチャ(Digital signature)は、情報セキュリティ、特にID認証において重要な技術である。 量子デジタルシグネチャ(QDS)は、情報理論のセキュリティなど、より高度なセキュリティを提供する。
  論文  参考訳（メタデータ） (2020-03-25T08:04:59Z)

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。