論文の概要: Structural Analysis of Cryptographic Sequences using Stringology-Based Fingerprinting
- arxiv url: http://arxiv.org/abs/2605.19123v1
- Date: Mon, 18 May 2026 21:19:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:08.993317
- Title: Structural Analysis of Cryptographic Sequences using Stringology-Based Fingerprinting
- Title（参考訳）: 文字列に基づくフィンガープリントによる暗号シーケンスの構造解析
- Authors: Victor Kebande,
- Abstract要約: 本稿では,暗号シーケンスの構造解析のための文字列ベースフィンガープリント(SBF)フレームワークを提案する。
提案したSBFフレームワークは、暗号出力をシンボル文字列として解釈し、パターンベースの特徴抽出を用いて構造統計をキャプチャする。
その結果, 弦学に基づくパターン解析により, 異なる配列源にまたがる測定可能な構造的シグネチャが明らかになった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cryptographic primitives such as stream ciphers,Pseudorandom Number Generators (PRNGs), and block cipher modes produce sequences that are designed to be statistically indistinguishable from random data. As a result, the traditional evaluation techniques therefore rely primarily on statistical randomness tests to assess the quality of generated sequences. While these tests verify global statistical properties, they do not address whether structural characteristics of sequences can reveal information about the underlying generator. In this paper, we introduce a stringology-based fingerprinting, (SBF) framework for the structural analysis of cryptographic sequences. The proposed SBF framework interprets cryptographic outputs as symbolic strings and applies pattern-based feature extraction to capture structural statistics such as substring frequency distributions, recurrence patterns, and entropy characteristics. These structural features are aggregated into fingerprint vectors that characterize sequence generators. The experimental evaluation is conducted using datasets composed of Cipher-Generated Sequences (CGS) and Uniformly Random Sequences (URS). The results demonstrate that stringology-based pattern analysis can reveal measurable structural signatures across different sequence sources. Although these signals do not imply practical cryptographic weaknesses, they provide an additional analytical perspective for evaluating the structural behavior of cryptographic generators.
- Abstract（参考訳）: ストリーム暗号、擬似乱数発生器(PRNG)、ブロック暗号モードなどの暗号プリミティブは、ランダムデータと統計的に区別できないように設計されたシーケンスを生成する。
その結果、従来の評価手法は、生成シーケンスの品質を評価するために、主に統計的ランダムネステストに依存している。
これらのテストは、グローバルな統計特性を検証するが、シーケンスの構造的特性が、基礎となるジェネレータに関する情報を明らかにすることができるかどうかには対処しない。
本稿では,暗号シーケンスの構造解析のための文字列ベースフィンガープリント(SBF)フレームワークを提案する。
提案するSBFフレームワークは, 暗号出力をシンボル文字列として解釈し, サブストリング周波数分布, 繰り返しパターン, エントロピー特性などの構造統計を抽出する。
これらの構造的特徴は、シーケンスジェネレータを特徴付ける指紋ベクトルに集約される。
実験はCGS(Cipher-Generated Sequences)とURS(Uniformly Random Sequences)からなるデータセットを用いて行った。
その結果, 弦学に基づくパターン解析により, 異なる配列源にまたがる測定可能な構造的シグネチャが明らかになった。
これらの信号は実用的な暗号の弱点を示唆するものではないが、暗号生成器の構造的挙動を評価するためのさらなる分析的視点を提供する。
関連論文リスト
- Stringology Based Cryptology [0.0]
本稿では,文字列型暗号学の概念を紹介する。
古典的な文字列処理とパターンマッチング技術を用いて、暗号出力の構造特性を解析する。
論文 参考訳（メタデータ） (2026-04-17T19:58:56Z) - Neural Stringology Based Cryptanalysis of EChaCha20 [0.0]
The Neural Stringology Cryptanalysis (NSC) framework is introduced by classical string pattern analysis with machine learning technique to investigated potential structure anomalies in stream cipher keystreams。
提案したNSCフレームワークは,制御条件下でのキーストリームデータの識別可能な構造特性を識別できる。
論文 参考訳（メタデータ） (2026-04-14T20:33:42Z) - Using Modular Arithmetic Optimized Neural Networks To Crack Affine Cryptographic Schemes Efficiently [0.27309692684728615]
ハイブリッドニューラルネットワークアーキテクチャを用いたアフィン暗号の暗号解析について検討する。
提案手法は, 生の暗号文列を処理するモジュール分岐と, 文字の周波数特性を利用する統計分岐を統合する。
論文 参考訳（メタデータ） (2025-07-17T04:54:10Z) - A Watermark for Order-Agnostic Language Models [55.89285889529492]
Pattern-markは、順序に依存しないLM用に特別に設計されたパターンベースの透かしフレームワークである。
我々は,高周波鍵パターンを持つ透かしキー列を生成するマルコフチェーン型透かし生成器を開発した。
タンパク質MPNN や CMLM などの順序に依存しない LM の評価では,パターンマークによる検出効率の向上,生成品質,ロバスト性などが示されている。
論文 参考訳（メタデータ） (2024-10-17T17:41:28Z) - Symmetric Encryption Scheme Based on Quasigroup Using Chained Mode of Operation [1.4249472316161877]
本稿では,SEBQと呼ばれる対称暗号方式の新たな構成法を提案する。
動作モードのような連鎖の概念を利用し、内蔵特性を持つブロック暗号を提示する。
論文 参考訳（メタデータ） (2024-08-08T14:39:51Z) - Mutual Exclusivity Training and Primitive Augmentation to Induce
Compositionality [84.94877848357896]
最近のデータセットは、標準的なシーケンス・ツー・シーケンスモデルにおける体系的な一般化能力の欠如を露呈している。
本稿では,セq2seqモデルの振る舞いを分析し,相互排他バイアスの欠如と全例を記憶する傾向の2つの要因を同定する。
広範に使用されている2つの構成性データセット上で、標準的なシーケンス・ツー・シーケンスモデルを用いて、経験的改善を示す。
論文 参考訳（メタデータ） (2022-11-28T17:36:41Z) - A Non-monotonic Self-terminating Language Model [62.93465126911921]
本稿では,不完全復号アルゴリズムによる非終端列の問題に焦点をあてる。
まず、グリーディ探索、トップ$kのサンプリング、核サンプリングを含む不完全確率復号アルゴリズムを定義する。
次に,単調な終端確率の制約を緩和する非単調な自己終端言語モデルを提案する。
論文 参考訳（メタデータ） (2022-10-03T00:28:44Z) - Equivariant Transduction through Invariant Alignment [71.45263447328374]
グループ内ハードアライメント機構を組み込んだ,新しいグループ同変アーキテクチャを提案する。
我々のネットワーク構造は、既存のグループ同変アプローチよりも強い同変特性を発達させることができる。
また、SCANタスクにおいて、従来のグループ同変ネットワークよりも経験的に優れていたことが判明した。
論文 参考訳（メタデータ） (2022-09-22T11:19:45Z) - Numeric Lyndon-based feature embedding of sequencing reads for machine
learning approaches [0.0]
指紋を用いたNGS(Next-Generation Sequencing)データに対する新しい特徴埋め込み手法を提案する。
私たちは、RNA-Seqの読み込みを表すために指紋を使用し、それらが起源である可能性が高い遺伝子にそれらを割り当てます。
本稿では,Lyndon をベースとしたシークエンシング手法である lyn2vec の実装について述べる。
論文 参考訳（メタデータ） (2022-02-28T15:33:37Z) - NOTMAD: Estimating Bayesian Networks with Sample-Specific Structures and
Parameters [70.55488722439239]
提案するNOTMADは,サンプルコンテキストに応じてアーキティパルネットワークの混合を学習する。
患者固有の遺伝子発現ネットワークを含む分析および実験を通じて,NOTMADとサンプル特異的ネットワーク推論の有用性を実証する。
論文 参考訳（メタデータ） (2021-11-01T17:17:34Z) - Disentangled Sequence to Sequence Learning for Compositional
Generalization [62.954842223732435]
本稿では,ソース入力を適応的に再符号化することで,不整合表現の学習を可能にするシーケンス・ツー・シーケンス・モデルの拡張を提案する。
意味解析と機械翻訳の実験結果から,提案手法はより不整合な表現とより優れた一般化をもたらすことが示された。
論文 参考訳（メタデータ） (2021-10-09T22:27:19Z)
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。