Comparing AI Algorithms for Optimizing Elliptic Curve Cryptography Parameters in e-Commerce Integrations: A Pre-Quantum Analysis

要約

この論文では、楕円曲線暗号 (ECC) パラメーターの最適化に焦点を当てた、2 つの重要な人工知能アルゴリズムである遺伝的アルゴリズム (GA) と粒子群最適化 (PSO) の比較分析を紹介します。
これらには、楕円曲線係数、素数、生成点、群次数、余因子が含まれます。
この研究は、同じ適応度関数の下でのパフォーマンスを調べ、どの生物由来のアルゴリズムが ECC 構成に対してより良い最適化結果をもたらすかについての洞察を提供します。
この関数には、特異曲線または異常曲線の評価、最適化精度のためのポラードの rho 攻撃とハッセの定理の適用など、堅牢な ECC パラメーターを保証するための方法が組み込まれています。
GA と PSO によって生成された最適化されたパラメーターは、模擬電子商取引環境でテストされ、楕円曲線ディフィー ヘルマン (ECDH) とハッシュベースのメッセージ認証コード (HMAC) を使用した注文メッセージの送信中の secp256k1 のようなよく知られた曲線と対比されます。
）。
この研究は、量子以前の時代の従来のコンピューティングに焦点を当てており、ECC 最適化における GA と PSO の有効性を強調しており、サードパーティの電子商取引統合におけるサイバーセキュリティの強化にも影響を及ぼしています。
量子コンピューティングが広く普及する前に、これらの発見を直ちに検討することをお勧めします。

要約(オリジナル)

This paper presents a comparative analysis between the Genetic Algorithm (GA) and Particle Swarm Optimization (PSO), two vital artificial intelligence algorithms, focusing on optimizing Elliptic Curve Cryptography (ECC) parameters. These encompass the elliptic curve coefficients, prime number, generator point, group order, and cofactor. The study provides insights into which of the bio-inspired algorithms yields better optimization results for ECC configurations, examining performances under the same fitness function. This function incorporates methods to ensure robust ECC parameters, including assessing for singular or anomalous curves and applying Pollard’s rho attack and Hasse’s theorem for optimization precision. The optimized parameters generated by GA and PSO are tested in a simulated e-commerce environment, contrasting with well-known curves like secp256k1 during the transmission of order messages using Elliptic Curve-Diffie Hellman (ECDH) and Hash-based Message Authentication Code (HMAC). Focusing on traditional computing in the pre-quantum era, this research highlights the efficacy of GA and PSO in ECC optimization, with implications for enhancing cybersecurity in third-party e-commerce integrations. We recommend the immediate consideration of these findings before quantum computing’s widespread adoption.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google