HEAL DSpace

Εφαρμογές της μηχανικής μάθησης στην κρυπτογραφία

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

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


Αρχεία σε αυτό το τεκμήριο

Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο:

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού 3.0 Ελλάδα Εκτός από όπου ορίζεται κάτι διαφορετικό, αυτή η άδεια περιγράφεται ως Αναφορά Δημιουργού 3.0 Ελλάδα