《密码与安全新技术专题》第三周作业
学号 2018-2019-2 《密码与安全新技术专题》第三周作业
课程:《密码与安全新技术专题》
1.本次讲座的学习总结
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门
新的技术科学。同时,人工智能所涉及的领域很多,机器学习只是其中的一个研究方向。
由上图可以看到,人工智能的领域十分广泛,包括
planning and scheduling 规划与调度
Expert System 专家系统
专家们的知识——即解决问题的方法与方式,可被保存和习得,它可被保存放在计算机设备中,并可被别人需要时使用。在人工智能中,专家系
统是模拟人类专家决策能力的计算机系统。专家系统旨在通过知识体系推理来解决复杂问题,主要表现为if-then规则而不是传统的程序代码。
multi-agent systems 多代理体系或自组织系统
是多个交互的组成的计算机系统的智能代理。多代理系统可以解决单个代理或单个系统难以或不可能解决的问题。智能可以包括方法,功能,程
序方法,算法搜索或强化学习。
Evolutionary Computation 进化计算
在计算机科学领域,进化计算(Evolutionary Computation)是人工智能(Artificial Intelligence),进一步说是智能计算(Computational
Intelligence)中涉及到组合优化问题的一个子域。其算法是受生物进化过程中“优胜劣汰”的自然选择机制和遗传信息的传递规律的影响,通
过程序迭代模拟这一过程,把要解决的问题看作环境,在一些可能的解组成的种群中,通过自然演化寻求最优解。
Fussy Logic and Rough Set 粗糙逻辑模糊集
Knowledge Learning
Knowledge Representation 知识表示
知识表示(knowledge representation)是指把知识客体中的知识因子与知识关联起来,便于人们识别和理解知识。知识表示是知识组织的前提
和基础,任何知识组织方法都是要建立在知识表示的基础上。知识表示有主观知识表示和客观知识表示两种。
Recommender Systems 推荐系统
Robotics and Perception 机器人与感知
还有许多其他的方向,在这里不详细介绍,接下来介绍机器学习。
机器学习的研究人员是试图从多个样本与标签配对来进行机器学习模型的求解(训练)。
密码分析与机器学习之间有天然的相似性,在密码分析中,攻击者试图通过推算出密钥来破解密码系统。解密函数是从一个由密钥索引的已知函
数空间(解空间)求解出。攻击者的目的是发现解密函数的精确解。如果攻击者能够获取多个获取密文与明文配对来进行密码分析,其与机器学
习的概念相似。
在机器学习中,x为输入样本,F(x)为机器学习的模型(可以理解为一个函数),y为输出。如果是分类,则y是分类标签,如果是回归,则y是
真实值向量。
在密码分析中,x为输入的明文,F(x)为密钥(可以理解为一个函数),y为加密后得到的密文。
2.学习中遇到的问题及解决
- 问题1:基于卷积神经网络的侧信道攻击是什么?
https://eprint.iacr.org/2018/004.pdf
节选:
考虑到准确性,卷积神经网络确实优于机器学习。然而,经常没有令人信服的理由使用如此复杂的技术。事实上,如果比较没有额外步骤(如
预处理)的技术,我们会发现卷积神经网络只有在噪声水平很小、测量次数和特征值较高的情况下才具有明显的优势。其他测试设置表明,更简
单的机器学习技术,以显著更低的计算成本,执行类似甚至更好。对所研究的数据集,用猜测熵度量法进行的实验表明,简单的方法,如随机森
林或xgboost比卷积神经网络的性能更好。最后,我们进行了一个小实验,打开了这样一个问题:卷积神经网络是否是边信道分析环境中的最佳选
择,因为在保留测量拓扑方面似乎没有优势。
- 问题2:基于循环神经网络的明文破译
- 问题2解决方案:原有的主题模型是基于词袋模型的假设,很大程度上忽略单词的前后顺序或其主题连贯性。本文提出一个基于神经网络的话题
生成模型,假定每个词的生成取决于句子中的历史单词,通过使用基于递归神经网络(RNN)的框架考虑句子中单词序列性,将句子的分布式表示作
为神经网络模型的基本输入,通过将topic model与神经网络结合,利用周围单词的上下文关系来建模。实验结果表明,本文提出的LDA-LSTM算法
对于文档语义性表达方面的提升具有重要作用。
3.本次讲座的学习感悟、思考等)
人工智能居然也能用来进行密码分析。
在信息化时代所带来的网络冲击,把社会组织结构中每一个单元个体的社会活动范围从物理空间扩展到网络空间,这个扩展速度有可能是以年为
单位,也有可能是以五年为一个迭代周期,所以我们需要与时代同行,与自我革命相伴在人工智能迅速占领市场的今天,改变了我们曾经对网络
安全已经确信的认知例如,具备深度自我学习功能的人工智能,在以天为单位的时间内就已经学习完成人类积累了数千年的棋谱在迎接 未来已来
的理性视角下,理所当然地要求我们重视网络安全,直面人工智能加速网络犯罪异化的现实问题,在更新网络安全在国家层面和公私领域价值取
向的同时,在刑事法律体系中也应该进行有所裨益的探索