Breaking Data Encryption Standard with a Reduced Number of Rounds Using Metaheuristics Differential Cryptanalysis

Dworak, Kamil; Boryczka, Urszula

doi:10.3390/e23121697

Cited by 8 publications

(13 citation statements)

References 22 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The number of rounds is a critical parameter as more rounds generally lead to stronger encryption. However, similar to key sizes, more rounds also mean more processing time 76 .…”

Section: Optimization Of Cryptography Algorithm Parametermentioning

confidence: 99%

Cryptographic Parameters Enhancement Using Pulsar Orbital Optimization

Hwaitat,

fakhouri,

Tahoun

et al. 2024

Preprint

View full text Add to dashboard Cite

In ophthalmic diagnostics, achieving precise segmentation of retinal blood vessels is a critical yet challenging task, primarily due to the complex nature of retinal images. The intricacies of these images often hinder the accuracy and efficiency of segmentation processes. To overcome these challenges, we introduce the Cognitive DL Retinal Blood Vessel Segmentation (CoDLRBVS), a novel hybrid model that synergistically combines the deep learning capabilities of the U-Net Architecture with a suite of advanced image processing techniques. This model uniquely integrates a preprocessing phase using a Matched Filter (MF) for feature enhancement and a post-processing phase employing Morphological Techniques (MT) for refining the segmentation output. Also, the model incorporates Multi-Scale Line Detection and Scale Space methods to enhance its segmentation capabilities. Hence, CoDLRBVS leverages the strengths of these combined approaches within the cognitive computing framework, endowing the system with human-like adaptability and reasoning. This strategic integration enables the model to emphasize blood vessels, accurately segment effectively, and proficiently detect vessels of varying sizes. CoDLRBVS achieves a notable mean accuracy of 96.7%, precision of 96.9%, sensitivity of 99.3%, and specificity of 80.4% across all of the studied datasets, including DRIVE, STARE, HRF, Retinal Blood Vessel and Chase-DB1. CoDLRBVS has been compared with different models, and the resulting metrics surpass the compared models and establish a new benchmark in retinal vessel segmentation. The success of CoDLRBVS underscores its significant potential in advancing medical image processing, particularly in the realm of retinal blood vessel segmentation.

show abstract

“…The number of rounds is a critical parameter as more rounds generally lead to stronger encryption. However, similar to key sizes, more rounds also mean more processing time 76 .…”

Section: Optimization Of Cryptography Algorithm Parametermentioning

confidence: 99%

Cryptographic Parameters Enhancement Using Pulsar Orbital Optimization

Hwaitat,

fakhouri,

Tahoun

et al. 2024

Preprint

View full text Add to dashboard Cite

show abstract

“…The DC attack takes advantage of the high probability of plaintext differences and differences in the algorithm's final round [41], [43]. Consider the following algorithm:…”

Section: The DC Attackmentioning

confidence: 99%

Using the Muthavhine Function to Modify Skipjack Algorithm to Prevent LC and DC Attacks on IoT Devices

Muthavhine,

Sumbwanyambe

2024

IEEE Access

View full text Add to dashboard Cite

The Skipjack algorithm is used by many Internet of Things (IoT) devices to secure and encrypt data. Skipjack-encrypted data has been discovered to be vulnerable to Differential Cryptanalysis (DC) and Linear Cryptanalysis (LC) attacks. DC and LC attacks use distinguishers to predict the secret key. Distinguishers are probability tables that are used to assess an algorithm's attack vulnerability. Much work remains to be done to prevent these two attacks and their distinguishers, particularly with regard to the Skipjack algorithm. This study employs a novel technique to protect Skipjack from DC and LC attacks. The novel method is to use the Muthavhine function on the Skipjack algorithm to convert an original 8 x 8 F-Table to an 8 x 32 F-Table . The Muthavhine function is a newly coined and purposefully used mathematically generated method in this study. Muthavhine function combines an enormous number of mathematical modulo operators. The vast majority of mathematical modulo operators are irreversible to attackers. The Muthavhine function perplexes the intruder by generating a new 8 x 32 F-Table suitable for the new algorithm, which prevents intruders from performing DC and LC attacks. The Muthavhine function is able to reduce the probability of building distinguishers for DC and LC attacks from 1.09% to 0% and 4.68% to 0%, respectively.INDEX TERMS Internet of Things (IoT), Linear Cryptanalysis (LC) attack, Differential Cryptanalysis (DC) attacks, Skipjack algorithm, 8 x 8 F-Table , 8 x 32 F-Table , The Muthavine approach, and the Internet of Things (IoT) devices.

show abstract

“…Серед останніх публікацій -роботи Грері та ін. [29], Дворак і Боричка [30], Джейн та ін. [31] які продовжили свої дослідження щодо застосування метаевристик у криптоаналізі.…”

Section: аналіз останніх досліджень та публікаційunclassified

Особливості Застосування Алгоритму Асо До Деяких Задач Криптоаналізу

Кубайчук

2023

SBT

View full text Add to dashboard Cite

Вимоги до інформаційної безпеки диктують неохідність розвитку нових методів криптоаналізу. Сучасний криптоаналіз спирається на математику, зокрема на теорію та методи оптимізації. Враховучи загальновизнані вимоги до зламостійкості шифрів, задача розшифрування мусить розглядатися, як задача комбінаторної оптимізації. В роботі обґрунтовується необхідність розвитку нових методів криптоаналізу із застосуванням метаевристик, міститься ретрспективний огляд публікацій за останній період в даній області. Кількість публікацій свідчить про актуальність напрямку досліджень. Розглядаються особливості застосування алгоритму АСО (Ant Colony Optimization) до задач криптоаналізу, зокрема, задачі факторизації. Описується структура і загальні принципи роботи алгоритму АСО, адаптація даного алгоритму до розв’язання конкретної задачі комбінаторної оптимізації. Розглянуто різні варіанти фітнес-функції, особливості їх застосування, способи звуження простору пошуку, правила вибору напрямку руху на графі, модифікація локального пошуку. Як один із варіантів модифікації розглядається додавання генетичних операторів кросоверу, мутації, селекції. Описано умови припинення роботи алгоритму. Обґрунтовано доцільність застосування метаевристик для розв’зання задач комбінаторної оптимізації що виникають у різних предметних областях, зокрема, у криптоаналізі. Підкреслюється, що так як теоретичні дослідження алгоритмів комбінаторної оптимізації рідко дозволяють отримувати результати, які можуть бути застосовані на практиці, то основним інструментом аналізу їх ефективності є обчислювальний експеримент.

show abstract

Breaking Data Encryption Standard with a Reduced Number of Rounds Using Metaheuristics Differential Cryptanalysis

Cited by 8 publications

References 22 publications

Cryptographic Parameters Enhancement Using Pulsar Orbital Optimization

Cryptographic Parameters Enhancement Using Pulsar Orbital Optimization

Using the Muthavhine Function to Modify Skipjack Algorithm to Prevent LC and DC Attacks on IoT Devices

Особливості Застосування Алгоритму Асо До Деяких Задач Криптоаналізу

Contact Info

Product

Resources

About