Кафедра Інженерії Програмного Забезпечення та Кібербезпеки

Постійне посилання на фонд

https://ur.knute.edu.ua/handle/123456789/2024

Переглянути

Перегляд Кафедра Інженерії Програмного Забезпечення та Кібербезпеки за Автор "Попова Антона Миколайовича"

Зараз показуємо 1 - 1 з 1
  • Ескіз недоступний
    Документ
    Аналіз архітектур нейронних мереж для використання в задачах криптоаналізу симетричного шифрування
    (DTEU, 2024-12) Попова Антона Миколайовича
    Відповідно до мети дослідження робота присвячена вивченню архітектури нейронних мереж та їх застосуванню в криптоаналізі алгоритмів симетричного шифрування. Випускна кваліфікаційна робота на тему «Архітектура нейронних мереж для використання в задачах криптоаналізу алгоритму симетричного шифрування» містить 44 сторінки, 2 рисунки, 2 таблиці. Перелік використаних джерел налічує 11 найменувань. Було проаналізовано сучасні підходи до криптоаналізу, а також розроблено модель нейронної мережі, яка демонструє високі результати в тестах на декодування симетричних алгоритмів. В результаті дослідження були виявлені ключові фактори, що впливають на ефективність криптоаналізу, а також запропоновані рекомендації для подальших досліджень у цій галузі. Результати роботи можуть бути корисними для фахівців у сфері кібербезпеки та криптографії. Ключові слова: нейронні мережі, криптоаналіз, симетричне шифрування, глибоке навчання, кібербезпека, розробка моделі. According to the purpose of the study, this research focuses on the architecture of neural networks and their application in the cryptanalysis of symmetric encryption algorithms. The study aims to explore and develop a neural network model that can effectively analyze and break encryption schemes by leveraging the unique capabilities of deep learning. This includes an evaluation of existing models, the design of a novel architecture, and extensive testing against various symmetric encryption techniques. The findings highlight the potential of neural networks to enhance cryptanalysis methods, providing insights into future applications in cybersecurity. Keywords: Neural Networks, Cryptanalysis, Symmetric Encryption, Deep Learning, Cybersecurity, Model Development.