informИнформатикаInformatics1816-03012617-6963UIIP NASB10.37661/1816-0301-2020-17-1-102-108inform-999Research ArticleЗАЩИТА ИНФОРМАЦИИ И НАДЕЖНОСТЬ СИСТЕМINFORMATION PROTECTION AND SYSTEM RELIABILITYУсиление секретности криптографического ключа, сформированного с помощью синхронизируемых искусственных нейронных сетейEnhancing the secrecy of a cryptographic key generated using synchronized artificial neural networks1РадюкевичМ. Л.RadziukevichM. L.

Радюкевич Марина Львовна, магистр технических наук, начальник испытательной лаборатории по требованиям безопасности информации, победитель конкурса молодых ученых на XXIV научно-практической конференции «Комплексная защита информации».

Maryna L. Radziukevich, Master Sci. (Eng.), Head of the Testing Laboratory for Information Security Requirements,  Winner of the competition of young scientists at the XXIV scientific-practical            conference "Comprehensive information protection."

1218a@list.ruГоликовВ. Ф.GolikovV. F.

Голиков Владимир Федорович, доктор технических наук, профессор кафедры «Информационные технологии в управлении»

Vladimir F. Golikov, Dr. Sci. (Eng.), Professor of the   Department of Information Technologies in Management

gvf147@mail.ruНаучно-производственное республиканское унитарное предприятие «Научно-исследовательский институт технической защиты информации»Scientific Production-Republican Unitary Enterprise "Research Institute for the Technical Protection of Information"Белорусский национальный технический университетBelarusian National Technical University202026022020171102108Copyright © Радюкевич М.Л., Голиков В.Ф., 20202020Радюкевич М.Л., Голиков В.Ф.Radziukevich M.L., Golikov V.F.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/999

Рассматриваются основные варианты формирования общего секрета с использованием cинхронизируемых искусственных нейронных сетей и возможные модели поведения криптоаналитика. Для решения задачи повышения конфиденциальности формируемого общего секрета, если он будет использоваться в качестве криптографического ключа, предлагается применять смешивание некоторого числа результатов отдельных синхронизаций (свертку). В качестве функции смешивания рассматривается свертка векторов весовых коэффициентов сетей побитовым сложением по модулю 2 всех результатов отдельных синхронизаций. Показывается, что вероятность успеха криптоаналитика уменьшается экспоненциально с увеличением количества слагаемых в свертке и может быть выбрана сколь угодно малой. При этом закон распределения сформированного ключа после свертки близок к равномерному, а равномерность возрастает с увеличением количества слагаемых в свертке.

The main options for the formation of a shared secret using synchronized artificial neural networks and possible patterns of behavior of a cryptanalyst are considered. To solve the problem of increasing the    confidentiality of the generated shared secret, if it is used as a cryptographic key, it is proposed to use the  mixing a certain number of results of individual synchronizations (convolution). As a mixing function, we consider the convolution of the vectors of network weights by bitwise addition modulo 2 of all the results of individual synchronizations. It is shown that the probability of success of a cryptanalyst is reduced exponentially with an increase of the number of terms in the convolution and can be chosen arbitrarily small. Moreover, the distribution law of the generated key after convolution is close to uniform and the uniformity increases with the number of terms in the convolution.

синхронизируемые искусственные нейронные сетиобщий секреткриптографический ключфункция сжатиякриптоанализsynchronized artificial neural networksshared secretcryptographic keycompression functioncryptanalysisReferencesKanter, I. The Theory of Neural Networks and Cryptography, Quantum Computers and Computing / I. Kanter, W. Kinzel. − 2005. – Vol. 5, nо. 1. – P. 130−140.Kanter I., Kinzel W. The Theory of Neural Networks and Cryptography, Quantum Computers and Computing, 2005, vol. 5, nо. 1, рр. 130−140.Kinzel, W. Neural cryptography / W. Kinzel, I. Kanter // 9th Intern. Conf. on Neural Information Processing, Singapore, 2002. – Singapore, 2002. – Vol. 3. – P. 1351–1354.Kinzel W., Kanter I. Neural cryptography. 9th International Conference on Neural Information Processing, Singapore, 2002. Singapore, 2002, vol. 3, рр. 1351–1354.Ruttor, A. Dynamics of neural cryptography / A. Ruttor, I. Kanter, W. Kinzel // Physical Review E. – 2007. – Vol. 75, iss. 5. – Р. 1–9.Ruttor A., Kanter I., Kinzel W. Dynamics of neural cryptography. Physical Review E, 2007, vol. 75, iss. 5, рр. 1–9.Плонковски, М. Криптографическое преобразование информации на основе нейросетевых технологий / М. Плонковски, П. П. Урбанович ; под ред. И. М. Жарского // Труды БГТУ. Сер. VI. Физикоматематические науки и информатика. – Минск : БГТУ, 2005. – С. 161–164.Plonkovski M., Urbanovich P. P., Zharsky I. M. (ed.). Kriptograficheskoye preobrazovaniye informatsii na osnove neyrosetevykh tekhnologii [Cryptographic transformation of information based on neural network technology]. Trudy Belorusskogo gosudarstvennogo tehnologicheskogo universiteta. Ser. VI. Fizikomatematicheskiye nauki i informatika [Proceedings of the Belarusian State Technical University. Ser. VI. Physics and Mathematics and Computer Science]. Minsk, Belarusian State Technical University, 2005, рр. 161–164 (in Russian).Голиков, В. Ф. О некоторых проблемах в задачах распределения криптографических ключей с помощью искусственных нейронных сетей / В. Ф. Голиков, Н. В. Брич, В. Л. Пивоваров // Системный анализ и прикладная информатика. – 2014. – № 1–3. – С. 42–46.Golikov V. F., Brich N. V., Pivovarov V. L. O nekotorykh problemakh v zadachakh raspredeleniya kriptograficheskikh klyuchey s pomoshch'yu iskusstvennykh neyronnykh setey [About some problems in the distribution of cryptographic keys using artificial neural networks]. Sistemnyy analiz i prikladnaya informatika [System Analysis and Applied Informatics], 2014, no. 1–3, рр. 42–46 (in Russian).Голиков, В. Ф. Атака на синхронизируемые искусственные нейронные сети, формирующие общий секрет, методом отложенного перебора / В. Ф. Голиков, А. Ю. Ксеневич // Доклады БГУИР. – 2017. – № 8. – С. 48–53.Golikov V. F., Ksenevich A. Yu. Ataka na sinkhroniziruyemyye iskusstvennyye neyronnyye seti, formiruyushchiye obshchiy sekret, metodom otlozhennogo perebora [Attack on synchronized artificial neural networks, forming a common secret, by delayed brute force method]. Doklady Belorusskogo gosudarstvennogo universiteta informatiki i radiojelektroniki [Reports of the Belarusian State University of Informatics and Radioelectronics], 2017, no. 8, рр. 48–53 (in Russian).Голиков, В. Ф. Формирование общего секрета с помощью искусственных нейронных сетей / В. Ф. Голиков, М. Л. Радюкевич // Системный анализ и прикладная информатика. – 2019. – № 2. – С. 49–56.Golikov V. F., Radziukevich M. L. Formirovaniye obshchego sekreta s pomoshch'yu iskusstvennykh neyronnykh setey [The formation of a common secret using artificial neural networks]. Sistemnyy analiz i prikladnaya informatika [System Analysis and Applied Informatics], 2019, no. 2, рр. 49–56 (in Russian).Generalized privacy amplification / C. H. Bennett [et al.] // IEEE Transaction on Information Theory. – 1995. – Vol. 41, nо. 6. – P. 1915–1923.Bennett C. H., Brassard G., Crepeau C., Maurer U. M. Generalized privacy amplification. IEEE Transaction on Information Theory, 1995, vol. 41, nо. 6, рр. 1915–1923.Боумейстер, Д. Физика квантовой информации / Д. Боумейстер, А. Экерт, А. Цайлингер. – М. : Постмаркет, 2002. – 276 с.Boumeyster D., Ekert A., Tsaylinger A. Fizika kvantovoy informatsii. Physics of Quantum Information. Moscow, Postmarket, 2002, 276 p. (in Russian).Килин, С. Я. Квантовая криптография: идеи и практика / С. Я. Килин, Д. Б. Хорошко, А. П. Низовцев. – Минск : Беларус. навука, 2007. – 391 с.Kilin S. Ya., Khoroshko D. B., Nizovtsev A. P. Kvantovaya kriptografiya: idei i praktika. Quantum cryptography: Ideas and Practice. Minsk, Belaruskaya navuka, 2007, 391 p. (in Russian).

The authors declare that there are no conflicts of interest present.