Spying on chaos-based cryptosystems with reservoir computing

Piotr Antonik, Marvyn Gulina, Jael Pauwels, Damien Rontani, Marc Haelterman, Serge Massar

Résultats de recherche: Contribution dans un livre/un catalogue/un rapport/dans les actes d'une conférenceArticle dans les actes d'une conférence/un colloque

Résumé

Reservoir computing is a machine learning approach to designing artificial neural
networks. Despite the significant simplification of the training process, the
performance of such systems is comparable to other digital algorithms on a series
of benchmark tasks. Recent investigations have demonstrated the possibility of
performing long-horizon predictions of chaotic systems using reservoir computing.
In this work we show that a trained reservoir computer can reproduce sufficiently
well the properties a chaotic system, hence allowing full synchronisation. We
illustrate this behaviour on the Mackey-Glass and Lorenz systems. Furthermore, we
show that a reservoir computer can be used to crack chaos-based cryptographic
protocols and illustrate this on two encryption schemes.
langue originaleAnglais
titre2018 International Joint Conference on Neural Networks, IJCNN 2018 - Proceedings
EditeurIEEE
Pages1-7
Nombre de pages7
Volume2018-July
ISBN (Electronique)978-1-5090-6014-6
ISBN (imprimé)978-1-5090-6014-6
Les DOIs
Etat de la publicationPublié - 10 oct. 2018

Série de publications

Nom2018 International Joint Conference on Neural Networks (IJCNN)

mots-clés

  • Ordinateur réservoir
  • Réseau de neurones récurrents
  • Réseau d'état d'écho
  • Cryptographie par chaos

Empreinte digitale Examiner les sujets de recherche de « Spying on chaos-based cryptosystems with reservoir computing ». Ensemble, ils forment une empreinte digitale unique.

Contient cette citation