[論文レビュー] ChatGPT vs. Lightweight Security: First Work Implementing the NIST Cryptographic Standard ASCON

Alvaro Cintas Canto, Jasmin Kaur+2 more|arXiv (Cornell University)|Jun 13, 2023

Artificial Intelligence in Healthcare and Education被引用数 33

ひとこと要約

この研究は、GPT-4を用いてNISTの軽量暗号ASCONの実装を試みた初の試みを提示し、段階的な方法論・課題・テストを含むPython実装を詳述する。

ABSTRACT

This study, to the best of our knowledge, is the first to explore the intersection between lightweight cryptography (LWC) and advanced artificial intelligence (AI) language models. LWC, in particular the ASCON algorithm which has been selected as the LWC standard by the National Institute of Standards and Technology (NIST) in Feb. 2023, has become increasingly significant for preserving data security given the quick expansion and resource limitations of Internet of Things (IoT) devices. On the other hand, OpenAI's large language model (LLM) ChatGPT has demonstrated significant potential in producing complex, human-like text. This paper offers a novel method for implementing the NIST LWC standard, ASCON, using the GPT-4 model. Moreover, this paper details the design and functionality of ASCON, the procedures and actual Python implementation of ASCON using ChatGPT, and a discussion of the outcomes. The results contribute valuable insights into the efficient application of advanced AI language models in cryptography, particularly in constrained environments. Source code can be found at: https://github.com/DrCintas/ASCON-with-ChatGPT.

研究の動機と目的

• IoTセキュリティのための軽量暗号技術と高度なAI言語モデルの統合を研究する動機づけ。
• ASCONをNISTが選定した軽量認証付き暗号標準として説明し、リソース制約デバイスへの関連性を示す。
• ChatGPTを用いてPythonでASCON-128を実装する方法論を提案・適用し、成果を評価する。
• LLMsを用いて暗号アルゴリズムを実装する際の実用的な能力と制限について洞察を提供する。

提案手法

• ChatGPTを用いて暗号アルゴリズムを実装する5段階の方法論を概説する（アルゴリズム認識、アルゴリズム教育、アルゴリズム実装、コード実行とテスト、コードレビューとデバッグ）。
• 320ビットの置換と5ビットSボックス実装を含む初期化、関連データ処理、平文処理、最終化を含むASCON認証付き暗号処理を詳述する。
• ASCON-128のPythonコードを生成し、補助ルーティン（to_bytes、from_bytes、pad、xor_bytes）および置換/回転演算を含めてGPT-4を活用し、反復的に洗練させる。
• リファレンス実装に対して段階的なテストを実施し、相違点を診断し、関連データ処理を段階的に組み込んでいく。
• 重要なコンポーネント（initialize、ASCON_permutation、process_data、finalize）を修正するためのプロンプトと反復を文書化・図示する。

実験結果

リサーチクエスチョン

• RQ1 GPT-4はPythonでNIST軽量暗号 primitive（ASCON-128）を効果的に実装できるか。
• RQ2 大規模言語モデルを用いて正しい暗号コードを生成する際の実践的な課題と制限は何か。
• RQ3 GPT-4の出力をASCON仕様に整合させるために必要な反復プロンプトとデバッグ手順の回数はどれくらいか。
• RQ4 得られた実装は、リファレンス実装と比較した際に元のASCONテストベクトルと一致するか。

主な発見

• 本研究は、ChatGPTを用いたASCON-128の実装が実現可能で、参照実装のテストベクトルと一致させることができることを示している。
• 定数、回転、置換論理を修正するために、反復的で段階ベースのプロンプティング手法が必要である。
• GPT-4はモジュール化されたコードと補助ルーティンを生成できるが、初期出力には複数の仕様逸脱が含まれる場合があり、ターゲットとなるプロンプトが必要となる。
• 著者はオープンソースプロジェクトや暗号専門家への相談を推奨し、暗号プリミティブを一から実装する際の潜在的リスクを認識している。
• この研究はASCONとChatGPTの実装を再現するためのソースコードと再現可能なワークフロー（GitHubリンク）を提供している。
• 実現可能である一方で、AI生成の暗号コードのみに依存した実運用セキュリティ展開は推奨されない。