.png){kind=icon}
返回
Cryptanalysis of equal-modulus-decomposition-based optical asymmetric cryptosystems using physics-driven deep learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.optcom.2025.132440.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于等模分解（EMD）的光学加密是一种被广泛研究的光学非对称密码系统，它可以通过向量分解有效区分加密密钥和解密密钥。然而，尽管开发了增强安全性的方案，安全风险仍然存在。本文提出了一种基于物理驱动深度学习的EMD加密系统的全新密码分析方法。我们的方法利用EMD加密过程本身训练攻击神经网络，无需大量明文-密文对。通过将密文输入神经网络，并基于重加密密文与原始密文之间的误差持续优化参数，我们证明仅凭密文即可准确恢复明文，无需私钥。所提出的基于物理驱动学习的攻击方法不仅适用于基本的EMD加密系统，也适用于增强安全性的方案，为评估EMD光学密码系统的安全性提供了灵活的方法。
Keyword:
Optical encryption
Equal modulus decomposition
Optical cryptanalysis
Physics-driven deep learning
期刊
IF:
2.5
论文数:
606
被引数:
2.7W
机构
暂无机构信息
引用论文
Cyphertext-only attack on the double random-phase encryption: experimental demonstration.png)
OPTICS EXPRESS
OAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏Untrained neural network for cryptanalysis of a phase-truncated-Fourier-transform-based optical cryptosystemOPTICS EXPRESS
OAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏
查看更多内容