dc.contributor.author | Νιμάρα, Δουμήτρου Δανιήλ | el |
dc.contributor.author | Nimara, Doumitrou Daniil | en |
dc.date.accessioned | 2020-04-02T09:31:12Z | |
dc.date.available | 2020-04-02T09:31:12Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/50037 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.17735 | |
dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/gr/ | * |
dc.subject | Μηχανική μάθηση | el |
dc.subject | Νευρωνική κρυπτανάλυση | el |
dc.subject | Βαθιά μάθηση | el |
dc.subject | Κρυπτογραφία | el |
dc.subject | Αναγεννητικά ανταγωνιστικά δίκτυα | el |
dc.subject | Machine learning | en |
dc.subject | Neural cryptanalysis | en |
dc.subject | Deep learning | en |
dc.subject | Cryptography | en |
dc.subject | Generative adversarial networks | en |
dc.title | Εφαρμογές της μηχανικής μάθησης στην κρυπτογραφία | el |
dc.title | Applications of machine learning in cryptography | en |
heal.type | bachelorThesis | |
heal.classification | Κρυπτογραφία | el |
heal.classification | Μηχανική μάθηση | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2019-07-02 | |
heal.abstract | Η παρούσα εργασία διερευνά και παρουσιάζει εφαρμογές της Μηχανικής Μάθησης στην Κρυπτογραφία. Το πρώτο κεφάλαιο εφοδιάζει τον αναγνώστη με θεμελιώδεις εισαγωγικές γνώσεις που κρίθηκαν απαραίτητες για την αποτελεσματικότερη ανάλυση και παρακολούθηση των μετέπειτα περιεχομένων. Τα επόμενα τρία κεφάλαια παρουσιάζουν και αξιολογούν την χρήση και αποτελεσματικότητα μοντέλων Μηχανικής Μάθησης για την κρυπτανάλυση, την ενίσχυση κρυπτοσυστημάτων και την δυνατότητα υποκατάστασης τους από σύνθετα μοντέλα όπως αυτά των GAN. Στο τελευταίο κεφάλαιο προτείνουμε σύγχρονα τα οποία σκοπεύουμε να αξιοποιήσουμε σε καινοτόμες εφαρμογές, με σκοπό την περαιτέρω ανάπτυξη του κλάδου. Η συνεισφορά της εργασίας είναι διπλή. Πρώτον, αποτελεί μια συγκεντρωτική και κατάλληλα οργανωμένη αναφορά σε διάφορες σπουδαίες εφαρμογές αυτών των δυο κλάδων. Αξίζει να σημειωθεί ότι κατά την μελέτη αυτού αντικειμένου δεν εντοπίσαμε ανάλογες εργασίες που να εστιάζουν στην παρουσίαση τέτοιων εφαρμογών, Επιχειρήσαμε να απομονώσουμε την θεωρία στην οποία βασίζεται, εφοδιάζοντας τον αναγνώστη με γνώσεις που κρίναμε ότι παραλείπονται από τις αρχικές εργασίες. Επιπλέον, μελλοντικοί ερευνητές δύναται να ανατρέξουν στην εργασία μας για την υιοθέτηση παρεμφερών μοντέλων σε ανάλογα προβλήματα. Τέλος, το code obfuscation και το crypto-mining που αναλύονται στο τελευταίο κεφάλαιο αποτελούν ακμαία και ραγδαία αναπτυσσόμενα πεδία στην Επιστήμη των Υπολογιστών. | el |
heal.abstract | This paper examines and presents basic applications of Machine Learning in Cryptography. The First Chapter provides the reader with fundamental introductory knowledge which was deemed necessary for a more effective analysis and comprehension of this work's content. The following three chapters present and evaluate the usage and efficacy of Machine Learning Models for cryptanalysis, for the reinforcement of cryptosystems and their substitutability from complex models such as GANs. In the last chapter we propose modern models that we intend to use in innovative applications, with the aim of further developing the field. The contribution of our work is twofold. Firstly, it constitutes a centralized and appropriately organized reference to several important applications of these two fields. It is worth noting that during the study of this object we did not find similar work focusing on the presentation of such applications. We attempted to encapsulate the essence from every application, while enriching the theory on which it is based, providing the reader with knowledge that we consider to be omitted from the original work. In addition, prospective researchers may refer to our work on adopting the presented models to similar problems. Finally, code obfuscation and crypto-mining discussed in the last chapter are booming and rapidly growing fields in Computer Science. | en |
heal.advisorName | Παγουρτζής, Αριστείδης | el |
heal.committeeMemberName | Λουλάκης, Μιχαήλ | el |
heal.committeeMemberName | Στάμου, Γιώργος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 104 σ. | |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: