CRYPTO-MINE: Cryptanalysis via Mutual Information Neural Estimation

要約

暗号システムの効率を評価する尺度としての相互情報 (MI) の使用には長い歴史があります。
ただし、高次元空間で未知の確率変数間の MI を推定することは困難です。
最近の機械学習の進歩により、ニューラル ネットワークを使用した MI の推定が進歩しました。
この研究は、暗号分野における MI 推定の新しい応用例を示しています。
私たちは、この方法論を直接適用して、選択された平文攻撃における平文と暗号文の間の MI を推定することを提案します。
暗号化によって漏洩した情報があれば、暗号システムの計算セキュリティを侵害するために敵対者によって悪用される可能性があります。
私たちは、複数の暗号化スキームとベースライン アプローチを経験的に分析することで、アプローチの効率を評価します。
さらに、個人の秘密を提供する新しいネットワークコーディングベースの暗号システムに分析を拡張し、情報漏洩と入力分布の関係を研究します。

要約(オリジナル)

The use of Mutual Information (MI) as a measure to evaluate the efficiency of cryptosystems has an extensive history. However, estimating MI between unknown random variables in a high-dimensional space is challenging. Recent advances in machine learning have enabled progress in estimating MI using neural networks. This work presents a novel application of MI estimation in the field of cryptography. We propose applying this methodology directly to estimate the MI between plaintext and ciphertext in a chosen plaintext attack. The leaked information, if any, from the encryption could potentially be exploited by adversaries to compromise the computational security of the cryptosystem. We evaluate the efficiency of our approach by empirically analyzing multiple encryption schemes and baseline approaches. Furthermore, we extend the analysis to novel network coding-based cryptosystems that provide individual secrecy and study the relationship between information leakage and input distribution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google