A Deep Learning Approach for a Symmetric Key Cryptography System.

Abstract

En el mundo digital actual, inmerso en toneladas de gigabytes provenientes de transacciones en línea fluyendo constantemente a través de Internet, la seguridad de la información se ha convertido en una necesidad y tema de gran interés. En este sentido, se alienta a los científicos informáticos a proteger la información contra las personas maliciosas, que evolucionan rápidamente con la tecnología. El objetivo principal de la Criptografía es aplicar matemática y lógica complejas para desarrollar procesos de cifrado y descifrado, mediante los cuales se hace que la información sea ininteligible, y se recuperan los datos originales, respectivamente. Evitando así el acceso no autorizado a la información. Hasta la fecha, se han desarrollado varios algoritmos de criptografía. Como AES, 3DES y RSA, donde cada cifrado tiene sus propios puntos fuertes y débiles. Por una parte, los algoritmos de criptograf´ıa tradicionales aplican operaciones en serie exhaustivas utilizando fórmulas complejas y números primos enormes, lo que hace que el cifrado y el descifrado sean muy pesados computacionalmente y de alguna manera vulnerables. Por otro lado, recientemente el aprendizaje automático y la inteligencia artificial han logrado mejoras significativas en Criptografía. Este trabajo propone un sistema alternativo de criptografía simétrica basado en aprendizaje profundo utilizando dos componentes principales: (1) Un tipo particular de red neuronal denominada autoencoder para el cifrado y descifrado de datos, (2) Un algoritmo de generación de claves que transforma una contraseña alfanumérica en una sequencia de números enteros usados en los procesos aleatorios de la fase de entrenamiento. Los resultados experimentales muestran que el sistema propuesto supera AES, DES, 3DES y RSA al cifrar archivos de tamaño no más de 868 KB. También mostramos que el sistema propuesto puede representar una contribución significativa al campo de la seguridad de datos.