.png){kind=icon}
返回
Neural network-based symmetric encryption algorithm with encrypted traffic protocol identification
.png){kind=icon}
OA
AI
DOI：10.7717/peerj-cs.2750.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
密码学是电网安全的基础，其中密码算法的对称性和非对称性直接影响电力系统抵御网络攻击的韧性。密码算法识别作为密码分析的关键组成部分，对于评估算法安全性至关重要，并取决于对称和非对称加密方法的核心特征。一个关键挑战在于辨别密文数据中的细微空间分布模式以推断底层密码算法，这对于确保电力系统通信安全至关重要。本研究首先介绍了一种基于对称加密算法的明文猜测模型（SCGM模型），利用卷积神经网络的优势评估四种对称加密算法的明文猜测能力。该模型的学习效果和实际适用性得到了评估。我们研究了加密流量数据的协议识别，提出了一种整合时空特征的新型方案。特别强调了对称和非对称框架内算法的性能。实验结果表明了所提方案的有效性，突显了其增强电网安全的潜力。
Keyword:
Symmetry
Cryptosystems
Cryptanalysis
Data security with cryptography
期刊
IF:
2.5
论文数:
3.4K
被引数:
6.9K
机构
引用论文
GNN-Based Network Traffic Analysis for the Detection of Sequential Attacks in IoT基于GNN的网络流量分析，用于检测物联网中的顺序攻击.png)
ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏A tradeoff paradigm shift in cryptographically-secure pseudorandom number generation based on discrete logarithm基于离散对数的密码安全伪随机数生成中的折衷范式转换
PREAI
分享收藏Deep Neural Decision Forest (DNDF): A Novel Approach for Enhancing Intrusion Detection Systems in Network Traffic AnalysisSENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Research on ensemble learning-based cryptographic algorithm identification scheme in ciphertext-only scenarios基于集成学习方法的唯密文场景下密码算法识别方案研究
IF0
PREAI
分享收藏A network traffic classification method based on one-dimensional convolutional neural networks基于一维卷积神经网络的网络流量分类方法
IF0
PREAI
分享收藏Encrypted Network Traffic Analysis and Classification Utilizing Machine Learning利用机器学习的加密网络流量分析和分类SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容