MétaCan
Menu
Retour à la cohorte
Enregistrement W4387407403 · doi:10.59934/jaiea.v3i1.336

Digital Signature Security Analysis By Applying The Elgamal Algorithm And The Idea Method

2023· article· en· W4387407403 sur OpenAlexaff
Rizka Khairani Lubis, Akim Manaor Hara Pardede, Husnul Khair

Notice bibliographique

RevueJournal of Artificial Intelligence and Engineering Applications (JAIEA) · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEdcuational Technology Systems
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésElGamal encryptionDigital Signature AlgorithmDigital signaturePublic-key cryptographyCommunication sourceComputer scienceEncryptionSignature (topology)Key (lock)ElGamal signature schemeElliptic Curve Digital Signature AlgorithmComputer securityAlgorithmCryptographyProcess (computing)Theoretical computer scienceMerkle signature schemeBlind signatureMathematicsComputer networkProgramming languageElliptic curve cryptographyHash function

Résumé

récupéré en direct d'OpenAlex

The development of an all-digital era, all activities use digital technology. Including signatures, hands are no longer manual now, signatures can be modified digitally. The application of digital signatures can be used to allow for document authenticity issues. The signature combines two methods namely Elgamal Algorithm and IDEA. The Elgamal algorithm is used to encrypt and decrypt signatures. The IDEA algorithm is used to strengthen signatures so that others don't modify them. The signature process begins with generating the public and private keys. The process of generating public keys (p,q,g,y) and private keys. With the signature of a binary document that is given by the sender to the recipient, the authenticity of the contents of the file, the identity of the sender, and the files that have been received by the recipient can be guaranteed. Affixing a digital signature is done by encrypting it with the sender's private key. In this way, checking the authenticity of documents and senders can be done.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,274
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Artificial Intelligence and Engineering Applications (JAIEA)Même sujetEdcuational Technology SystemsTravaux en français237 207