6、AI 助力密码学发展：多阶段应用与创新

AI 助力密码学发展：多阶段应用与创新

1. AIBC：人工智能增强密码学

1.1 性能提升

在提升密码学性能方面，有研究利用逻辑映射对文本进行随机化处理，再应用密钥。同时，用基于神经网络的混沌吸引子替代传统加密过程，得到的加密方案性能优于传统密码系统。

1.2 可靠性增强

部分研究致力于利用人工智能提高密码学的可靠性。例如，有研究改进了物理不可克隆函数（PUFs）在设备认证和密钥生成中的可靠性，采用两步方法：首先获取 PUF 模型参数，然后利用机器学习算法和挑战 - 响应对（CRPs）使用这些参数，实验显示可靠性有显著提升。

1.3 信号质量与抗噪性改善

• 信号质量 ：一些研究者关注提高密码系统输出的信号质量，如使用混沌神经网络改进信号加密系统的输出信号质量。
• 抗噪性 ：有研究使用卷积神经网络（CNNs）提高基于 RSA 密码加密的数字信号的抗噪性，还有研究将 Cohen - Grossberg 神经网络与 Arnold 混沌映射结合，提高彩色图像加密系统的抗噪性。

1.4 安全相关场景应用

1.4.1 认证

• 物联网节点认证 ：有研究通过现场机器学习支持的 PUF 对无线节点进行认证，利用机器学习算法的高预测精度解决认证系统密钥生成中的误差问题。
• 多模态深度哈希神经解码器 ：一种新颖的 MDHND 架构用