Cryptography System Implementation Using Neurocomputational Model and Deep Learning

Abstract

El manejo y la protección de información siempre fueron temas de interés para la sociedad y de mucha importancia en la era digital actual. La gran mayoría de personas en todo el mundo ha manejado información importante y sensible a través de varias plataformas que van desde cuentas bancarias hasta redes sociales. Todas las plataformas han garantizado que la información que fluye por ellas se mantenga segura de ataques maliciosos. Esto ha dado lugar a un campo vasto e importante en la informática llamado criptografía. Existen varios algoritmos criptográficos que permiten que la información permanezca segura, y estos se han dividido en dos grupos, algoritmos de clave simétrica y clave asimétrica. El funcionamiento de los algoritmos de clave asimétrica está basado en la manipulación de números primos muy grandes, lo que proporciona un alto nivel de seguridad, pero también implica un elevado tiempo computacional. Este trabajo propone un sistema criptográfico basado en redes neuronales artificiales, implementado mediante el uso de técnicas de aprendizaje profundo. El método utiliza los pesos sinápticos de una red neuronal autoencoder como claves de cifrado y descifrado, evitando el uso de números primos grandes. La solución propuesta permitió que los pesos sinápticos iniciales y finales, tengan un alto nivel de aleatoriedad, sin afectar el rendimiento general de la red. El análisis de seguridad teórico demostró que la metodología propuesta es robusta y difícil de romper. Los resultados experimentales confirmaron que el sistema propuesto realiza el cifrado y descifrado de datos en un bajo tiempo computacional, con respecto a algoritmos tradicionales como RSA, ElGamal, ECC y Paillier.