A Novel Approach of 1-D Cellular Automata in Cryptosystem
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cryptosystems worldwide employ techniques for the encryption and decryption of sensitive data, relying extensively on secret keys.In this context, the generation of a randomized, secured secret key and its size hold paramount significance in ensuring confidentiality, data integrity, and resistance to a plethora of security attacks, rendering it arduous for potential intruders to predict key sequences.This study aims to generate the highly secured randomized secret key, minimize the time complexity and ensure efficiency of the cryptosystem.In the key generation methodology presented, a novel approach was introduced, taking into account the receiver's credentials and employing the elementary cellular automata (CA).Rule 150 of CA was strategically leveraged to generate a secret key, undergoing numerous iterations to bolster security, intricacy, and to compound the predictability challenge of the key.Python was the chosen medium for the implementation of the proposed model.Time complexity was rigorously evaluated, and a comparative analysis was conducted against established cryptographic algorithms, notably Rivest-Shamir-Adleman (RSA) and Advanced Encryption Standard (AES), to ascertain efficiency.Subsequently, a frequency analysis, underpinned by a letter frequency distribution chart, was undertaken to confirm the randomness of the resultant ciphertext (CT).To further validate the robustness of the proposed model, security assessments encompassing brute force attacks, CT attacks, known plaintext (PT) attacks, and chosen PT attacks were meticulously examined.Cumulative findings corroborate the heightened security and efficiency of the proposed model in contrast to its predecessors.Anticipated future research horizons include the potential incorporation of CA in domains such as image and video encryption, blockchain technology, cryptocurrency, and digital signatures, aiming to cultivate superior security infrastructures.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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