Algoritmos Heurísticos Híbridos para diseño de S-Caja
Palabras clave:
Algoritmos Heurísticos, Metaheurístico, Optimización, Criptografía, S-cajas, CriptoanálisisResumen
Las S-cajas son un componente fundamental dentro de los algoritmos de clave simétrica. S-cajas con buenas propiedades criptográficas garantizan la seguridad ante los diversos criptoanálisis existentes. De especial interés resultan las propiedades de orden de transparencia y no-linealidad, que miden la resistencia ante el ataque diferencial de potencia y el criptoanálisis lineal, respectivamente. El diseño de S-cajas con un alto valor de no-linealidad y un bajo orden de transparencia es un problema NP-duro. La aplicación de algoritmos metaheurísticos para el diseño de S-cajas data de finales de los años 90. Sin embargo, los enfoques que se han presentado a lo largo de todos estos años son muy similares y pocos sofisticados desde el punto de vista del diseño de las metaheurísticas. En esta tesis se presenta un nuevo enfoque para el diseño de S-cajas: la aplicación de algoritmos heurísticos híbridos y la utilización de técnicas de aprendizaje de máquina para encontrar el mejor punto de transición entre las técnicas híbridas. Los resultados obtenidos en esta tesis son comparables con los mejores resultados alcanzados en trabajos previos.Descargas
Citas
Hugo Barbalho, Isabel Rosseti, Simone L Martins, and Alexandre Plastino. A hybrid data mining grasp with path-relinking. Computers & Operations Research, 40(12):3159–3173, 2013.
S. Bolufé-R öhler, A. y Chen. Minimum population search - a scalable metaheuristic for multi-modal problems. Revista Investigación Operacional, 36(1):85–95, 2015.
Antonio Bolufé-R öhler, Dania Tamayo-Vera, and Stephen Chen. An laf-cmaes hybrid for optimization in multi-modal search spaces. In Evolutionary Computation (CEC), 2017 IEEE Congress on. IEEE, 2017.
J. Chen, S. y Montgomery. Particle swarm optimization with thresheld convergence. In Evolutionary Computation (CEC), 2013 IEEE Congress on, pages 510–516. IEEE, 2013.
Montgomery J. Bolufé-R öhler A. y GonzalezFernandez Y. Chen, S. A review of thresheld convergence. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología, 2015.
John Andrew Clark. Metaheuristic Search as a Cryptological Tool. PhD thesis, University of York, 2002.
Joan Daemen and Vincent Rijmen. The design of Rijndael: AES-the advanced encryption standard. Springer Science & Business Media, 2013.
Talbi E. Metaheuristics: from design to implementation. John Wiley & Sons, 2009.
Yasser Gonzalez-Fernandez and Stephen Chen. Leaders and followers—a new metaheuristic to avoid the bias of accumulated information, 2015.
Sylvain Guilley, Philippe Hoogvorst, and Renaud Pacalet. Differential power analysis model and some results. In Smart Card Research and Advanced Applications Vi, pages 127–142. Springer, 2004.
Howard M Heys. A tutorial on linear and differential cryptanalysis. Cryptologia, 26(3):189–221, 2002.
Laetitia Jourdan, Clarisse Dhaenens, and El-Ghazali Talbi. Using datamining techniques to help metaheuristics: A short survey. In International Workshop on Hybrid Metaheuristics, pages 57–69. Springer, 2006.
Paul Kocher, Joshua Jaffe, and Benjamin Jun. Differential power analysis. In Advances in cryptology—CRYPTO’99, pages 789–789. Springer, 1999.
Estévez-Velarde-S. Bolufé-R öhler A.-Chen S. y Montgomery J. Piad-Morffis, A. Evolution strategies with thresheld convergence. In Evolutionary Computation (CEC), 2013 IEEE Congress on. IEEE, 2015.
Alexandre Plastino, Richard Fuchshuber, Simone de L Martins, Alex A Freitas, and Said Salhi. A hybrid data mining metaheuristic for the p-median problem. Statistical Analysis and Data Mining, 4(3):313–335, 2011.
Emmanuel Prouff. Dpa attacks and s-boxes.
Mark Read. Explicable boolean functions. Master’s thesis, Department of Computer Science, The University of York, 2007.
Dania Tamayo-Vera, Antonio Bolufé-R öhler, and Stephen Chen. Estimation multivariate normal algorithm with thresheld convergence. In Evolutionary Computation (CEC), 2016 IEEE Congress on, pages 34253432. IEEE, 2016.
Descargas
Publicado
Versiones
- 2019-06-27 (3)
- 2024-03-28 (2)
- 2024-03-26 (1)
Cómo citar
Número
Sección
Licencia
Derechos de autor 2019 Ciencias Matemáticas
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta licencia permite copiar y redistribuir el material en cualquier medio o formato bajo los siguientes términos: se debe dar crédito de manera adecuada, no se puede hacer uso del material con propósitos comerciales, y si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado. Bajo la licencia mencionada, los autores mantienen los derechos de autor de su trabajo.
