Kombinasi Sinkronisasi Jaringan Syaraf Tiruan dan Vigenere Cipher untuk Optimasi Keamanan Informasi

Abstract

Kriptografi pengubahan pesan asli menjadi disamarkan berguna menjaga kerahasiaan, integritas, keaslian, autentikasi pesan ketika proses komunikasi. Kriptografi klasik dengan subtitusi polialfabetik Vigenere memiliki tabel alphabet 26 baris yang relatif sederhana menjamin kerahasiaan. Kini pendekatan pembelajaran mesin Jaringan Syaraf Tiruan (JST) menjadi solusi layak untuk kriptografi dengan membentuk kunci rahasia dalam bobot jaringan sulit terpecahkan. Kunci dihasilkan dari bidirectional learning, dua pohon paritas saling tersinkronisasi dengan paramater hidden neuron, input neuron dan bobot. Sinkronisasi pada saluran publik dengan mengadopsi cara kerja Tree Parity Machine (TPM) dengan tipe feed forward. Pendekatan Kriptografi JST bermanfaat sebagai perlindungan dan serangan kriptografi. Penelitian ini memanfaatkan kombinasi sinkronisasi JST dan Vigenere dalam bentuk generator untuk optimasi pesan. Hasil pengujian kombinasi metode tidak berpengaruh dengan jumlah tampungan karakter pesan dan nilai parameter. Keunggulan kunci yang dihasilkan tidak bisa digunakan secara berulang meski nilai parameter sama, namun panjang karakter kunci berjumlah sama. Sisi fungsionalitas menghasilkan nilai 100%.
 
 Kata kunci: Kriptografi, Jaringan Syaraf Tiruan (JST), Tree Parity Machine (TPM), Vigenere Cipher
 
 Abstract
 Cryptography changes the original message to be disguised useful to maintain the security message. Vigenere polyalphabetic substitution relatively simple 26-row alphabetical table guaranteeing confidentiality. Machine learning approach Artificial Neural Network (ANN) becomes feasible solution for cryptography by forming secret key in the weight of the network that’s difficult to solve. The key’s generated from bidirectional learning, two parity trees synchronized with hidden neurons, input neurons, and weights. Synchronize public channels by adopting the work of Tree Parity Machine (TPM) with feedforward type. This research utilizes the combination of synchronization ANN and Vigenere from generators. The result of testing the combination of methods doesn’t affect the number of message character and parameter values. The advantages of the resulting key cannot be used repeatedly even though the parameter values ​​are the same, but the key length is the same number of characters. The functionality produces 100% value.
 
 Keywords: Cryptography, Artificial Neural Networks (ANN), Tree Parity Machine (TPM), Vigenere Cipher

Image Encryption and Decryption Using Vigenere Cipher with Compute Unified Device Architecture (CUDA)

“…Kriptografi adalah teknik menyamarkan data atau informasi menjadi bentuk yang tidak dimengerti untuk menjaga kerahasiaan, integritas, keaslian, dan autentikasi pesan [1]. Secara umum, proses di dalamnya terbagi menjadi dua, yaitu enkripsi (encryption) dan dekripsi (decryption).…”

Jaringan Saraf Tiruan Pengenalan Pola Huruf Sistem Matriks dengan Algoritma Hebb Rule

“…d. Setiap sel saraf akan menerapkan fungsi aktivasi terhadap sinyal hasil penjumlahan berbobot yang masuk kepadanya untuk menentukan sinyal keluarannya [8] [9]. Jaringan Saraf Tiruan (JST) merupakan paradigma yang memproses informasi yang diilhami oleh struktur dan aspek fungsional pada jaringan saraf biologis, yang menyerupai otak dalam memproses informasi [10]. Jaringan Saraf Tiruan merupakan pemodelan data yang kuat yang mampu menangkap dan mewakili hubungan Input-Output yang komplek, beberapa masalah relatif mudah digunakan, ketahanan untuk mengimput data kecepatn untuk eksekusi, dan menginisialisasikan sistem yang rumit [11].…”

Jaringan Saraf Tiruan Pengenalan Pola Karakter Kabataku Menggunakan Metode Bidirectional Associative Memory (BAM) Kontinu

“…Nilai-nilai parameter pada JST termasuk nilai hidden neuron, input neuron dan nilai bobot (weight) diproses pada saluran yang bersifat publik, karena setiap bobot vektor akan dipilih secara acak Jaringan saraf terdiri dari neuron-neuron yang saling berhubungan [8]. Hubungan antara neuron ini berfungsi untuk mentransformasikan informasi yang diterima lewat unit input untuk dikirim ke unit keluaran dan menuju ke neuron yang lain [9] Pada jaringan saraf, hubungan ini dikenal dengan bobot.…”