Kyushu University · 컴퓨터과학
이 교수의 연구실은 인공지능 기반 암호학 분야에서 주도적인 연구를 수행하고 있습니다. 특히 생성적 적대적 네트워크(GAN) 기반 신경망을 활용해 암호화 알고리즘을 학습하는 '대안적 암호학(Adversarial Cryptography)'에 초점을 맞추고 있으며, 한 번 사용한 키를 더 이상 사용하지 않는 완벽한 보안을 보장하는 옵티컬 펌프(OTP)를 신경망이 학습할 수 있음을 입증했습니다. 또한 다수의 네트워크가 원거리에서 상호 동기화하여 안전한 통신을 구축하는 다자간 신뢰 없는 환경에서의 암호화 기법에 대한 연구를 진행하고 있습니다.
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
A current trend of research focuses on artificial intelligence based cryptography which although proposed almost thirty years ago could not attract much attention. Abadi and Anderson’s work on adversarial cryptography in 2016 rejuvenated the research area which now focuses in building neural networks that are able to learn cryptography using the idea from Generative Adversarial Networks (GANs). In this paper, we survey the most prominent research works that cover neural networks based cryptograp
Neural networks based cryptography has seen a significant growth since the introduction of adversarial cryptography which makes use of Generative Adversarial Networks (GANs) to build neural networks that can learn encryption. The encryption has been proven weak at first but many follow up works have shown that the neural networks can be made to learn the One Time Pad (OTP) and produce perfectly secure ciphertexts. To the best of our knowledge, existing works only considered communications betwee
