[논문 리뷰] ChatGPT vs. Lightweight Security: First Work Implementing the NIST Cryptographic Standard ASCON

Alvaro Cintas Canto, Jasmin Kaur외 2명|arXiv (Cornell University)|2023. 06. 13.

Artificial Intelligence in Healthcare and Education인용 수 33

한 줄 요약

이 연구는 GPT-4를 사용하여 NIST 경량 암호 ASCON 구현에 대한 최초의 시도를 제시하며, 단계별 방법론, 도전과제, 테스트가 있는 파이썬 구현을 상세하게 기술한다.

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.

연구 동기 및 목표

• IoT 보안을 위한 경량 암호화를 고급 AI 언어 모델과 통합하는 연구의 필요성과 동기를 제시한다.
• ASCON을 NIST에서 선정한 경량 인증 암호화 표준으로 설명하고 자원 제약 기기와의 관련성을 밝힌다.
• ChatGPT를 사용해 Python으로 ASCON-128을 구현하는 방법론을 제안하고 결과를 평가한다.
• LLM을 사용해 암호 알고리즘을 구현하는 실용적 능력과 한계에 대한 통찰을 제공한다.

제안 방법

• ChatGPT로 암호 알고리즘을 구현하는 다섯 단계 방법론(알고리즘 인식, 알고리즘 교육, 알고리즘 구현, 코드 실행 및 테스트, 코드 검토 및 디버깅)을 개요로 제시한다.
• 320비트 순열과 5비트 S박스 구현을 포함한 초기화, 연관 데이터 처리, 평문 처리, 최종화로 구성된 ASCON 인증 암호화 프로세스를 상세히 설명한다.
• ASCON-128에 대해 도우미 루틴(to_bytes, from_bytes, pad, xor_bytes) 및 순열/회전 연산을 포함한 파이썬 코드를 생성하고 반복적으로 개선하기 위해 GPT-4를 활용한다.
• 참조 ASCON 구현에 대해 단계별 테스트를 수행하고 차이를 진단하며 연관 데이터 처리의 점진적 도입을 포함한다.
• 초기 구성 요소를 수정하기 위해 사용된 프롬프트 프롬프트와 반복(iterations)을 문서화하고 예시한다(초기화, ASCON_permutation, process_data, finalize).

실험 결과

연구 질문

• RQ1 GPT-4가 파이썬에서 NIST 경량 크립토프래밍 원시 ASCON-128를 효과적으로 구현할 수 있는가?
• RQ2 대형 언어 모델을 사용해 올바른 암호 코드를 생성하는 데 있어 실용적 도전 과제와 한계는 무엇인가?
• RQ3 GPT-4의 출력물을 ASCON 명세와 정렬시키는 데 필요한 반복 프롬프트와 디버깅 단계는 몇 단계인가?
• RQ4 결과로 나온 구현이 참조 구현과 대조했을 때 원래 ASCON 테스트 벡터와 일치하는가?

주요 결과

• 연구는 ChatGPT로 ASCON-128을 구현하는 것이 실행 가능하며 참조 구현의 테스트 벡터와 일치시킬 수 있음을 시연한다.
• 상수, 회전, 순열 로직을 수정하기 위해 단계별 반복 프롬 prompts 접근이 필요하다.
• GPT-4는 모듈식 코드와 도우미 루틴을 생성할 수 있지만 초기 출력에는 다수의 명세 편차가 있어 표적 프롬프트가 필요하다.
• 저자는 오픈 소스 프로젝트나 크립토그래피 전문가와의 상의를 권장하며, 암호 primitive를 처음부터 구현할 때의 잠재적 위험을 인정한다.
• 이 작업은 ASCON-with-ChatGPT 구현을 재현할 수 있는 소스 코드와 재현 가능한 워크플로우(GitHub 링크)를 제공한다.
• 결과는 실현 가능하나, AI가 생성한 암호 코드를 실제 보안 배포에 단독으로 의존하는 것은 권장되지 않는다는 점을 강조한다.