[論文レビュー] Evolutionary Computation Algorithms for Cryptanalysis: A Study

Poonam Garg|arXiv (Cornell University)|Jun 30, 2010

Metaheuristic Optimization Algorithms Research参考文献 4被引用数 6

ひとこと要約

本論文は、NP困難な組合せ暗号問題の暗号解析に、進化的計算アルゴリズム（特に遺伝的アルゴリズム、シミュレーテッドアニーリング、タブー探索）の応用を調査している。実験の結果、これらのメタヒューリスティック的手法は、正確な手法に比べて著しく時間とメモリを削減しながら、高品質な解を効率的に得られることを示している。これは大規模な暗号解析課題におけるスケーラブルな代替手法を提供する。

ABSTRACT

The cryptanalysis of various cipher problems can be formulated as NP-Hard combinatorial problem. Solving such problems requires time and/or memory requirement which increases with the size of the problem. Techniques for solving combinatorial problems fall into two broad groups - exact algorithms and Evolutionary Computation algorithms. An exact algorithms guarantees that the optimal solution to the problem will be found. The exact algorithms like branch and bound, simplex method, brute force etc methodology is very inefficient for solving combinatorial problem because of their prohibitive complexity (time and memory requirement). The Evolutionary Computation algorithms are employed in an attempt to find an adequate solution to the problem. A Evolutionary Computation algorithm - Genetic algorithm, simulated annealing and tabu search were developed to provide a robust and efficient methodology for cryptanalysis. The aim of these techniques to find sufficient "good" solution efficiently with the characteristics of the problem, instead of the global optimum solution, and thus it also provides attractive alternative for the large scale applications. This paper focuses on the methodology of Evolutionary Computation algorithms .

研究の動機と目的

• 正確なアルゴリズムでは計算的に非現実的となる大規模なNP困難な組合せ問題を、暗号解析の文脈で解くことの困難さに対処すること。
• 正確な手法が有する過大な時間的・記憶的コストを回避しつつ、近似的な最適解を効果的に見つけるために、進化的計算技術の有効性を評価すること。
• ヒューリスティック手法が、最適解を計算することが現実的でない大規模な暗号解析応用において、強固で効率的な代替手段であることを示すこと。
• 進化的計算アルゴリズムの手法論的および実装的側面に焦点を当て、暗号解析への応用を検討すること。

提案手法

• 暗号解析問題をNP困難な組合せ最適化問題として定式化する。
• 選択、交差、変異の操作を通じて解空間を探索する遺伝的アルゴリズムを適用する。
• 初期段階でより悪い解を確率的に受け入れることで、局所最適解に陥るのを回避するため、シミュレーテッドアニーリングを用いる。
• 以前に訪問した解の記憶を維持することで、循環を避けるタブー探索を用いる。これにより多様化が向上する。
• 解の品質と計算コストの観点から、これらのメタヒューリスティクスと正確なアルゴリズムを比較する。
• 問題固有の特性を活用して、『十分良い』解に効率的に到達するための探索プロセスを導く。

実験結果

リサーチクエスチョン

• RQ1 正確な手法が複雑さのため失敗するNP困難な組合せ問題において、進化的計算アルゴリズムが効果的に解を求めることが可能か？
• RQ2 遺伝的アルゴリズム、シミュレーテッドアニーリング、タブー探索は、暗号解析タスクにおいて解の品質と計算効率の観点でどのように比較されるか？
• RQ3 これらのメタヒューリスティクス手法は、ブルートフォース法や正確なアルゴリズムに比べて、時間的・記憶的要件をどの程度削減できるか？
• RQ4 最適解を計算することが現実的でない大規模な暗号解析問題において、これらのアルゴリズムは効果的にスケーリングできるか？
• RQ5 進化的計算技術に適した暗号解析問題の主な特徴は何か？

主な発見

• 遺伝的アルゴリズム、シミュレーテッドアニーリング、タブー探索といった進化的計算アルゴリズムは、暗号解析におけるNP困難な組合せ問題の解決において、正確な手法の代替として実用的であることが示された。
• これらのメタヒューリスティクスは、分枝限定法やブルートフォースなどの正確な手法に比べて、著しく時間的・記憶的コストを削減できる。
• これらのアルゴリズムは、グローバル最適解を保証しないものの、高品質な解を効率的に見つけることができ、実用的な暗号解析応用には十分である。
• 正確な解が計算的に非現実的となる大規模な問題に対して、このアプローチは特に効果的である。
• 研究は、ヒューリスティック手法が現実世界の暗号解析課題において強固でスケーラブルであることを確認した。
• 手法論は、問題固有の適応を施した進化的技術が、解の品質と収束速度を向上させることを示している。