Detail publikace
Evolving Cryptographic Boolean Functions with Minimal Multiplicative Complexity
Genetické programování, Kartézské genetické programování, kryptografie, násobková složitost, optimalizace.
Multiplikativní komplexita (MC) je kryptografickým kritériem popisujícím zranitelnost booleovské funkce vůči určitým algebraickým útokům. V mnoha důležitých kryptografických aplikacích se také používá ke stanovení nákladů na vyhodnocení funkce. V tomto článku používáme kartézské genetické programování k hledání různých typů kryptograficky relevantních booleovských funkcí a zkoumáme, jak obtížné je najít implementaci s minimálním MC, ve srovnání s implementací, která splňuje pouze základní kryptografická kritéria. Abychom poskytli srovnání mezi naší metodou a dalšími optimalizačními přístupy, používáme také navrženou metodu ke zlepšení MC vybraných číslicových obvodů. Naše výsledky poskytují nové horní limity pro MC zkoumaných funkcí. Dále ukazují, že náš přístup je konkurenceschopný a že zlepšování MC se vzájemně nevylučuje se zlepšováním dalších kritérií podle kterých hodnotíme booleovské funkce.
@INPROCEEDINGS{FITPUB12190, author = "Jakub Husa and Luk\'{a}\v{s} Sekanina", title = "Evolving Cryptographic Boolean Functions with Minimal Multiplicative Complexity", pages = "1--8", booktitle = "2020 IEEE Congress on Evolutionary Computation (CEC)", year = 2020, location = "Los Alamitos, US", publisher = "IEEE Computational Intelligence Society", ISBN = "978-1-7281-6929-3", doi = "10.1109/CEC48606.2020.9185517", language = "english", url = "https://www.fit.vut.cz/research/publication/12190" }