Застосування алгоритмiв штучного iнтелекту для тестування якостi псевдовипадкових послiдовностей для криптосистем
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Метою роботи є дослiдити можливостi використання статистичних методiв та алгоритмiв машинного навчання для аналiзу властивостей псевдовипадкових послiдовностей. Об’єктом дослiдження є властивостi псевдовипадкових послiдовностей, що використовуються у криптографiчних застосуваннях. Предметом дослiдження є статистичнi методи та методи машинного навчання для оцiнювання властивостей псевдовипадкових послiдовностей i виявлення порушень їх псевдовипадковостi. У роботi пiсля аналiзу iснуючих пiдходiв до оцiнювання якостi псевдовипадкових послiдовностей, дослiдили постулати Голомба та за допомогою них обґрунтовали вибiр властивостей для подальшого аналiзу: рiвномiрностi, структури серiй та автокореляцiйних залежностей. Для проведення експериментiв реалiзовали генерацiю еталонних та модифiкованих послiдовностей на основi потокового шифру ChaCha20, а також сформовали набiр даних зi слабкими та сильними порушеннями дослiджуваних властивостей. Реалiзовано статистичнi методи Monobit Test, Runs Test та Autocorrelation Test, а також моделi машинного навчання Random Forest, MLP та LSTM. Проведене експериментальне дослiдження показало, що статистичнi методи стабiльно виявляють сильнi порушення властивостей псевдовипадкових послiдовностей, однак можуть пропускати слабкi вiдхилення. Найкращi результати серед моделей машинного навчання продемонстрував Random Forest, який успiшно виконав класифiкацiю всiх дослiджуваних класiв послiдовностей. Отриманi результати дозволили визначити особливостi застосування статистичних методiв та алгоритмiв машинного навчання для задач аналiзу псевдовипадкових послiдовностей.
Опис
Ключові слова
псевдовипадковi послiдовностi, криптографiя, Chacha20, статистичнi тести, машинне навчання, Random Forest, MLP, LSTM, Monobit Test, Runs Test, Autocorrelation Test
Бібліографічний опис
Гриценко, М. Д. Застосування алгоритмiв штучного iнтелекту для тестування якостi псевдовипадкових послiдовностей для криптосистем : допломна робота ... бакалавра : 113 Прикладна математика / Гриценко Марiя Дмитрiвна. - Київ, 2026. - 109 с.