Profe. Yongjune Kim, DGIST Fuente: DGIST
Científicos del Instituto Coreano de Ciencia y Tecnología Daegu Gyeongbuk (DGIST) han desarrollado algoritmos que miden de manera más efectiva qué tan difícil sería para un atacante adivinar las claves secretas de los sistemas criptográficos. El enfoque que siguieron fue descrito en la revista. Transacciones IEEE relacionadas con la seguridad y la ciencia forense de la información y puede reducir la complejidad computacional necesaria para verificar la seguridad del cifrado.
“Los números aleatorios son esenciales para generar información criptográfica”, explica el científico informático de DGIST, Yongjune Kim, coautor del estudio con Cyril Guyot y Young-Sik Kim. “Esta aleatoriedad es fundamental para la seguridad de los sistemas criptográficos”.
La criptografía se utiliza en ciberseguridad para proteger la información. Los científicos a menudo usan un indicador llamado “ min-entropía ” para estimar y verificar qué tan buena es una fuente para generar números al azar se utiliza para cifrar datos. Los datos de baja entropía son más fáciles de decodificar, mientras que los de alta entropía son mucho más difíciles de decodificar. Sin embargo, es difícil estimar con precisión la minientropía para algunos tipos de fuentes, lo que conduce a subestimaciones.
Kim y sus colegas desarrollaron un algoritmo fuera de línea que estima la minientropía de todo el conjunto de datos y un estimador en línea que solo necesita muestras de datos limitadas. La precisión del estimador en línea mejora a medida que aumenta el número de muestras de datos. Además, la calculadora en línea no necesita almacenar conjuntos de datos completos, por lo que puede usarse en aplicaciones con estrictas restricciones de memoria, almacenamiento y hardware, como los dispositivos IoT.
“Nuestras evaluaciones han demostrado que nuestros algoritmos pueden estimar la minientropía 500 veces más rápido que el estándar actual algoritmo manteniendo las estimaciones precisas ”, dice Kim.
Kim y sus colegas están trabajando para mejorar la precisión de este y otros algoritmos de estimación de entropía en criptografía. También están investigando cómo mejorar la privacidad en las aplicaciones de aprendizaje automático.
Yongjune Kim et al, Sobre la estimación eficiente de la entropía mínima, Transacciones IEEE relacionadas con la seguridad y la ciencia forense de la información (2021). DOI: 10.1109 / TIFS.2021.3070424
Proporcionado por DGIST (Instituto de Ciencia y Tecnología de Daegu Gyeongbuk)