[论文解读] 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 6

一句话总结

本文研究了进化计算算法（特别是遗传算法、模拟退火和禁忌搜索）在求解NP难组合密码问题中的应用。结果表明，这些元启发式方法能以显著降低的时间和内存开销，高效地找到高质量解，为大规模密码分析挑战提供了一种可扩展的替代方案。

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 .

研究动机与目标

• 解决使用精确算法求解大规模NP难组合密码问题在计算上不可行的问题。
• 评估进化计算技术在不产生精确方法所导致的高昂时间和内存成本的前提下，寻找近似最优解的有效性。
• 证明启发式方法可作为大规模密码分析应用中稳健且高效的替代方案。
• 聚焦于进化计算算法在密码分析中的方法论与实际实现。

提出的方法

• 将密码分析问题形式化为NP难组合优化问题。
• 应用遗传算法通过选择、交叉和变异操作探索解空间。
• 采用模拟退火方法通过在搜索初期概率性地接受更差解来逃离局部最优。
• 使用禁忌搜索维护对先前访问过的解的记忆，避免循环，增强多样性。
• 在解的质量和计算成本方面，将这些元启发式方法与精确算法进行比较。
• 聚焦于问题的特定特征，以高效引导搜索过程朝向‘足够好’的解。

实验结果

研究问题

• RQ1 在精确方法因复杂性而失效的情况下，进化计算算法是否能有效求解密码分析中的NP难组合问题？
• RQ2 在密码分析任务中，遗传算法、模拟退火和禁忌搜索在解的质量和计算效率方面如何比较？
• RQ3 与暴力破解或精确算法相比，这些元启发式方法在多大程度上减少了时间和内存需求？
• RQ4 这些算法是否能有效扩展到大规模密码分析问题，其中最优解的计算在实际中不可行？
• RQ5 密码分析问题的哪些关键特征使其适合采用进化计算技术？

主要发现

• 遗传算法、模拟退火和禁忌搜索等进化计算算法为求解密码分析中的NP难组合问题提供了可行的替代方案，优于精确算法。
• 与分支限界或暴力破解等精确方法相比，这些元启发式方法显著降低了时间和内存需求。
• 这些算法能够高效地找到高质量解，虽不保证全局最优，但对实际密码分析应用已足够。
• 该方法在精确解在计算上不可行的大规模问题中尤为有效。
• 研究证实，启发式方法在现实世界密码分析挑战中具有鲁棒性和可扩展性。
• 该方法表明，对进化技术进行问题特定的调整可提升解的质量和收敛速度。