关于机器学习在密码学中的应用

czfshine

于 2017-05-02 20:45:51 发布

阅读量7.3k

点赞数 6

分类专栏：乱想随笔文章标签：机器学习密码学统计学算法加密

本文链接：https://blog.youkuaiyun.com/czfblog/article/details/71102081

版权

本文探讨了机器学习如何应用于密码学领域，尤其是针对废弃的、健壮性较弱的加密算法。尽管对于已验证的强加密算法，如RAS，直接利用机器学习破解几乎是不可能的，但可以借鉴生成对抗网络的思想，训练两个神经网络分别进行加密和解密。此外，通过分析字符概率分布，可以构建神经网络来提高解密过程中错误比特的纠正概率，特别是在汉字解密中，常用汉字的数量相对较少，提供了可能性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习又称统计学习，是一种在数据中寻找相关性的一类算法，它最基本的假设输入输出是有关系的。
通常而言，加密算法接收明文与特定的密钥，输出密文。一个好的加密算法明文密文之间的相关性很弱，近乎随机的。（如果不然，则该加密算法是不健壮的）。
两类算法，一种寻找内在的相关性，一种尽量使相关性降到最低。对于一个已经经过实践检验的加密算法（如 RAS),要在未知加密密钥或者解密密钥的情况下利用机器学习寻找内在联系是近乎不可能的，所以，我们先从已被废弃，健壮性弱的加密算法入手。
或者从另一方面，两种算法，一种要寻找随机，一种要建立关联，在两者之间可以用与生成对抗神经网络类似的算法，进行训练，或许就可以得到两个加密解密能力较强的神经网络。

除此之外，对于加密解密而言，假设有对于每个比特有90%的准确率，但是，由于有那些10%错误的影响，解密出来的信息也是无法识别的。比如在计算机里，一个英文字符占8个字节，则在每个比特只有90%的准确率下，能够解密出真正的明文的概率只有