HYBIRD CRYPTOSYSTEM ALGORITMA HILL CIPHER DAN ALGORITMA ELGAMAL PADA KEAMANAN CITRA
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Perkembangan Teknologi pada saat ini memungkinkan setiap orang untuk saling bertukar informasi tanpa ada batasan waktu dan jarak. Kemungkinan yang akan terjadi adanya kebocoran data pada saat proses pertukaran informasi yang dilakukan, oleh karena itu dalam pengiriman data khususnya citra, aspek keamanan, kerahasiaan dan efesiensi penyimpanan data sangat diperlukan. Jika informasi penting tersebut jatuh ke tangan orang yang salah, maka akan menyebabkan hal yang tidak diinginkan, contohnya manipulasi gambar dengan bentuk yang negatif dan dapat merugikan pemilik gambar. Salah satu metode yang digunakan untuk menjaga keamanan data tersebut adalah kriptografi dengan menggunakan salah satu teknik yaitu Elgamal. Kekuatan algoritma ini terletak pada sulitnya menghitung algoritma diskrit pada bilangan bulat prima yang didalamnya dilakukan operasi pekalian. Dalam penelitian ini, penulis menggabungkan antara Hill Cipher untuk melakukan penyandian enkripsi citra dan Algoritma Elgamal untuk mendekripsi kunci dari Hill Cipher. Citra pertama kali dienkripsi menggunakan Hill Cipher, kemudian kunci Hill Cipher tersebut dienkripsi dengan menggunakan Algoritma Elgamal. Implementasi sistem menggunakan bahasa pemograman Visual Basic Net 2010. Hasil implementasi dengan citra awal dienkrip memiliki waktu 4282.85 Milidetik dengan hasil gambar yang beracak-acak sedangkan citra yang sudah dienkrip akan kembali di deskripsikan yang memiliki waktu 20442.84 Milidetik dengan hasil citra kembali ke awal.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.005 | 0.008 |
| Open science | 0.008 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it