هوش مصنوعی گوگل سرعت کشف نقاط ضعف رمزنگاری را 1600 برابر افزایش داده است

با استفاده از عوامل هوش مصنوعی، محققان Google DeepMind روش هایی را برای کشف نقاط ضعف رمزگذاری قدیمی RSA با سرعتی تا 1600 برابر بیشتر توسعه دادند.

گزارش کردن سرویس هوش مصنوعی یک مرحله ایاین عوامل با نظارت متخصصان انسانی توانسته اند مسائل پیچیده ریاضی را سریعتر حل کنند. بررسی چنین موضوعاتی در گذشته مستلزم تحقیقات گسترده و زمان بر بود.

پوشمیت کوهلی، معاون و دانشمند ارشد گوگل دیپ مایند در پیامی در شبکه های اجتماعی نتایج این تحقیق را اعلام کرد. وی تاکید کرد: ارتقای توانایی هوش مصنوعی در حل مسائل ریاضی، ضرورت بازنگری مستمر مفروضات امنیتی را افزایش می دهد.

این تحقیق بر روی استاندارد قدیمی RSA با کلیدهای 1024 بیتی متمرکز شده است. محققان بیان کرده اند که یافته های جدید تهدیدی مستقیم برای استانداردهای رمزنگاری مدرن ایجاد نمی کند.

مطالب مرتبط: آیا حباب هوش مصنوعی در شرف ترکیدن است؟

چگونه نقاط ضعف را در رمزنگاری قدیمی کشف کنیم؟

تحقیقات جدید تحت هدایت دی جی دویوجوتام و آبرادیپ تاکورتا انجام شد. محققان دانشگاه کالیفرنیا در سن دیگو و موسسه تحقیقاتی اینریا در فرانسه نیز در این پروژه همکاری داشته اند.

در بخش اول تحقیقات خود، محققان امنیت امضای دیجیتال را بررسی کردند. این امضاها برای تأیید صحت نرم افزار، به روز رسانی ها، وب سایت ها و اسناد الکترونیکی استفاده می شود. سیستم های امضای دیجیتال معمولاً اطلاعات اضافی و خاصی را قبل از امضا به داده ها اضافه می کنند.

این فرآیند Padding نام دارد و هدف آن جلوگیری از جعل امضای دیجیتال است. با این حال، اثربخشی padding در موقعیت‌هایی که مهاجم بخشی از داده‌های امضا شده را کنترل می‌کند به‌طور کامل درک نشده است.

عوامل هوش مصنوعی گوگل دریافتند که اگر مهاجم بتواند تقریباً نیمی از بلوک داده امضا شده یا بیشتر را کنترل کند، padding عملاً هیچ محافظت اضافی مؤثری را ارائه نخواهد کرد.

در چنین شرایطی، جعل یک امضای دیجیتال از نظر ریاضی دشوارتر از حمله به یک سیستم بدون پد نیست.

برای بررسی صحت این یافته، محققان الگوریتم تولید شده توسط هوش مصنوعی را در یک محیط تجربی مجزا اجرا کردند. آنها از نمونه ای از تحقیقات آکادمیک قبلی استفاده کردند که در آن مشکل رمزگذاری RSA-1024 قبلاً حل شده بود.

الگوریتم جدید توانست نتیجه قبلی را بازتولید کند و زمان پردازش مورد نیاز را 3.5 برابر کاهش دهد. همچنین توان محاسباتی مورد استفاده در این آزمایش کمتر از یک هزارم توان مورد نیاز برای تجزیه کلید نمونه به فاکتورهای اول بود.

مهمترین یافته زمانی به دست آمد که محققان شرایط کنترل بخش کوچکی از داده ها توسط مهاجم را بررسی کردند.

حتی برای اثر انگشت دیجیتال 32 بایتی، عوامل هوش مصنوعی الگوریتمی را شناسایی کردند که از نظر تئوری می‌تواند عملکرد بهترین روش حمله قبلی روی کلیدهای RSA-1024 را تا حدود 1600 برابر بهبود بخشد.

مطالب مرتبط: دانشمندان هوش مصنوعی به فناوری ذهن خوانی انسان نزدیک می شوند

کاهش هزینه محاسباتی شکستن کلیدهای قدیمی

دومین دستاورد محققان گوگل در نقاط ضعف رمزنگاری مربوط به تجزیه و تحلیل دسته ای کلیدهای RSA است. بسیاری از سیستم های رمزنگاری از کلیدهایی با اندازه استاندارد استفاده می کنند. این ویژگی از نظر تئوری امکان تقسیم هزینه محاسبات سنگین را بین چندین کلید فراهم می کند.

الگوریتم کشف شده توسط عوامل هوش مصنوعی توانسته کارایی این فرآیند را بهبود بخشد. در مقایسه با تکنیک های دسته ای قبلی، این روش میانگین هزینه محاسباتی شکستن هر کلید RSA اضافی با طول 1024 بیت را حدود 30 برابر کاهش می دهد.

این دستاورد نشان می دهد که هوش مصنوعی می تواند راه حل های ریاضی کارآمدتری برای تجزیه و تحلیل همزمان کلیدهای رمزنگاری متعدد ارائه دهد. با این حال، نتایج تحقیق به این معنی نیست که تمام کلیدهای RSA می توانند بلافاصله شکسته شوند.

استاندارد RSA-1024 اکنون منسوخ شده است و در بسیاری از برنامه ها با کلیدهای 2048 بیتی یا بزرگتر جایگزین شده است. Google DeepMind تاکید کرده است که یافته های جدید امنیت سیستم های رمزنگاری مدرن مورد استفاده در بانکداری اینترنتی، پیام رسان ها، به روز رسانی نرم افزارها و ارزهای دیجیتال را تهدید نمی کند.

اهمیت اصلی این تحقیق به افزایش سرعت تحلیل رمزنگاری مربوط می شود. این زمینه با بررسی ساختارهای ریاضی سیستم های امنیتی، نقاط ضعف احتمالی آنها را قبل از سوء استفاده مهاجمان شناسایی می کند.

در گذشته، پیشرفت‌های عمده در تحلیل رمز معمولاً نیازمند سال‌ها یا حتی دهه‌ها تحقیق بود. اکنون عوامل هوش مصنوعی می توانند مشکلات پیچیده را با نظارت انسان سریعتر بررسی کنند و الگوریتم های جدیدی را برای حل آنها پیشنهاد کنند.

محققان بر این باورند که توسعه چنین ابزارهایی می تواند روش ارزیابی امنیت سیستم های رمزنگاری را در آینده تغییر دهد. با استفاده از تحلیل رمزنگاری مبتنی بر هوش مصنوعی، کارشناسان امنیتی می توانند فرضیات ریاضی این سیستم ها را با دقت بیشتری آزمایش کنند و آسیب پذیری های احتمالی را قبل از ظهور تهدیدات جدید شناسایی کنند.

مطالب مرتبط: محصول مرموز هوش مصنوعی Notting هیچ نمایشگری ندارد