[論文レビュー] One-way Hash Function Based on Neural Network

Shiguo Lian, Jinsheng Sun+1 more|ArXiv.org|Jul 27, 2007

Chaos-based Image/Signal Encryption参考文献 6被引用数 16

ひとこと要約

本稿では、3層の順方向ニューラルネットワークを用いた単方向ハッシュ関数を提案する。各層はそれぞれ、データの混乱、拡散、圧縮を実装する。この設計は、事前画像抵抗性、高い鍵および平文の感度、およびバースデイ攻撃およびミートインザミドル攻撃に対する耐性といった強力な暗号的性質を達成しており、ニューラルネットワークアーキテクチャのおかげで並列計算が可能である。これにより、デジタル署名や認証に適している。

ABSTRACT

A hash function is constructed based on a three-layer neural network. The three neuron-layers are used to realize data confusion, diffusion and compression respectively, and the multi-block hash mode is presented to support the plaintext with variable length. Theoretical analysis and experimental results show that this hash function is one-way, with high key sensitivity and plaintext sensitivity, and secure against birthday attacks or meet-in-the-middle attacks. Additionally, the neural network's property makes it practical to realize in a parallel way. These properties make it a suitable choice for data signature or authentication.

研究の動機と目的

• ニューラルネットワークの原則を用いて、暗号的に安全な単方向ハッシュ関数を設計すること。
• 可変長入力をサポートする効率的で安全なハッシュ関数のニーズに対応すること。
• ニューラルネットワークの固有の並列性を活用して、実用的なハードウェア実装を可能にすること。
• 鍵および入力データに対して高い感度を確保し、一般的な cryptanalytic 攻撃に耐性を持つこと。
• ニューラルネットワークと暗号的プリミティブを組み合わせた新規なアプローチを提供し、より優れたセキュリティ特性を実現すること。

提案手法

• 3層の順方向ニューラルネットワークを採用し、それぞれの層に明確な役割を割り当てる：第1層はデータの混乱、第2層は拡散、第3層は圧縮。
• 非線形活性化関数を用いて混乱を導入し、変換における非線形性を保証する。
• 可変長平文入力をサポートするために、マルチブロックハッシュモードを導入する。データはブロック単位で処理される。
• 各ブロックの出力を順次前方伝播させ、最終的な出力をハッシュ値として使用する。
• ニューラルネットワークの重み行列を暗号的鍵として扱い、高い鍵感度を確保する。
• ニューラルネットワーク計算の並列性を活用して、並列アーキテクチャ上での効率的実装を実現する。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークアーキテクチャを効果的に用いて、暗号的に安全な単方向ハッシュ関数を構築できるか？
• RQ2 提案されたニューラルネットワークベースのハッシュ関数は、バースデイ攻撃およびミートインザミドル攻撃といった一般的な暗号的攻撃に対してどれほど耐性を示すか？
• RQ3 ニューラルネットワークの構造は、ハッシュ出力における鍵および平文の感度をどの程度向上させるか？
• RQ4 ニューラルネットワークの固有の並列性を活用して、ハッシュ関数の性能を向上させることができるか？
• RQ5 マルチブロックモードは、可変長入力に対してセキュリティおよび正しさをどのように保証するか？

主な発見

• 提案されたハッシュ関数は強力な単方向性を示し、出力から入力を逆算することは計算的に非現実的である。
• 関数は鍵および平文の両方に対して高い感度を示し、入力や鍵のわずかな変更に対しても顕著に異なる出力が得られる。
• 理論的分析および実験結果により、バースデイ攻撃およびミートインザミドル攻撃に対する耐性が確認された。
• ニューラルネットワークの並列計算能力のおかげで、並列ハードウェアプラットフォーム上での効率的実装が可能である。
• マルチブロックモードは、セキュリティおよび整合性を維持したまま、可変長入力を効果的にサポートした。
• ニューラルネットワークの特性を活かして、暗号的強度と計算効率のバランスを達成した。