.png){kind=icon}
返回
Machine Learning Enhanced Quantum-Safe Encryption: A Novel Optimisation Framework
.png){kind=icon}
OA
AI
DOI：10.3390/s26103226.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
美国国家标准与技术研究院（NIST）对后量子密码学（PQC）的标准化标志着从经典公钥方案向抗量子后继方案的临界过渡。随着机器学习（ML）应用的普及，对高效密码原语的需求日益增长，要求实现同时具备抗量子性和资源感知性。近期综述已探讨ML与PQC的相互作用，重点关注ML辅助参数优化、利用格基密码学保护隐私的机器学习，以及抗量子算法的神经网络实现。基于这些发现，我们提出QSafe-ML，一个综合的四阶段框架，整合硬件分析、通过ML的代理建模、约束多目标优化和持续安全验证，以促进PQC参数和实现的调优。该框架针对NIST标准化的格基方案CRYSTALS-Kyber、CRYSTALS-Dilithium、Falcon和NTRU，在三种异构硬件平台上进行。n = 30次重复试验的实验评估表明，与NIST参考基线相比，平均延迟降低27.5–41.9%（95% CI ±1.1–1.7 pp），内存节省13.3–30.2%，能耗节省22.8–38.2%，所有配置均保持≥128位后量子安全性。消融研究证实，代理引导搜索占这些增益的主导份额。所有代码、数据及基准说明已发布在公共存储库（待本文录用后提供）中，以促进对ML辅助密码系统的可重复评估。
Keyword:
post-quantum cryptography
machine learning
lattice-based cryptography
parameter optimisation
quantum-safe systems
surrogate model
ablation study
CRYSTALS-Kyber
CRYSTALS-Dilithium
Falcon
NTRU
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
Kannan, E.; Carmel Mary Belinda, M.J.; Ravikumar, S.; Alex David, S.; Kannan, S.; Vijay, K. Quantum-Safe Federated Learning: Enhancing Data Privacy and Security. In Proceedings of the IEEE 2024 International Conference on Emerging Research in Computational Science (ICERCS); IEEE: New York, NY, USA, 2024. [Google Scholar] [CrossRef]Kannan, E.; Carmel Mary Belinda, M.J.; Ravikumar, S.; Alex David, S.; Kannan, S.; Vijay, K. 抗量子联邦学习：增强数据隐私与安全性. 在IEEE 2024年计算科学新兴研究国际会议（ICERCS）论文集；IEEE：纽约，美国，2024年。 [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Quantum resilient security framework for privacy preserving AI in Apple MM1 on device architecture针对在Apple mm1设备架构上保护隐私的AI应用的抗量子安全框架
PREAI
分享收藏Lattice-Based Post-Quantum Public Key Encryption Scheme Using ElGamal’s PrinciplesAmirkhanova, D.S.; Iavich, M.; Mamyrbayev, O. 基于格的利用ElGamal原理的后量子公钥加密方案。Cryptography 2024, 8, 31. [Google Scholar] [CrossRef]Cryptography
CryptographyIF0
PREAI
分享收藏分享收藏
分享收藏Quantum Cryptography for Future Networks Security: A Systematic Review面向未来网络安全的量子密码: 系统综述IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容