prikaz prve stranice dokumenta Primjena strojnog učenja u napadima na sporedne kanale
Rad nije dostupan
diplomski rad
Primjena strojnog učenja u napadima na sporedne kanale
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:396933
Mucić, Magdalena
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Mucić, M. (2023). Primjena strojnog učenja u napadima na sporedne kanale (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:396933

Mucić, Magdalena. "Primjena strojnog učenja u napadima na sporedne kanale." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:396933

Mucić, Magdalena. "Primjena strojnog učenja u napadima na sporedne kanale." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:396933

Mucić, M. (2023). 'Primjena strojnog učenja u napadima na sporedne kanale', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:396933

Mucić M. Primjena strojnog učenja u napadima na sporedne kanale [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:396933

M. Mucić, "Primjena strojnog učenja u napadima na sporedne kanale", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:396933

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:396933
Podaci o radu
NaslovPrimjena strojnog učenja u napadima na sporedne kanale
Naslov (engleski)Application of machine learning in side channel attacks
AutorMagdalena Mucić
MentorMarko Čupić (mentor)
Član povjerenstvaMarko Čupić (predsjednik povjerenstva)
Član povjerenstvaStjepan Groš (član povjerenstva)
Član povjerenstvaSiniša Šegvić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-12, Hrvatska
Sažetak
Područje kriptoanalize ima važnu ulogu u kriptografiji na kojoj se temelji sigurnost svih modernih algoritama kriptiranja: ispituje i proučava kriptografske algoritme te pokušava pronaći njihove ranjivosti i mane. Jedan od pristupa u kriptoanalizi su i napadi na sporedne kanale kojima je cilj pronaći ranjivosti koje proizlaze iz sklopovske implementacije algoritma. Postoji više pristupa izvođenja napada na sporedne kanale, a neki od njih potpomažu se i strojnim učenjem. U okviru ovoga rada istražena je primjena strojnog učenja u kriptografiji, posebno se fokusirajući na dva široko korištena algoritma kriptiranja kao predstavnika dviju velikih grana kriptografije: EdDSA, kao predstavnik asimetrične kriptografije, i AES, kao predstavnik simetrične kriptografije. Pokazano je da modeli strojnog učenja mogu postići visoku točnost i entropiju pogađanja kod predviđanja točnog ključa koristeći mjerenja prikupljena napadima na sporedne kanale.
Sažetak (engleski)
The field of cryptanalysis plays an important role in cryptography, on which the security of all modern encryption algorithms is based: it examines and studies cryptographic algorithms and tries to find their vulnerabilities and flaws. One of the approaches in cryptanalysis are side channels attacks, the aim of which is to find vulnerabilities resulting from the implementation of the algorithm. There are multiple approaches to performing side-channel attacks, some of which use machine learning. This thesis explores the application of machine learning in cryptography, focusing especially on two widely used encryption algorithms as representatives of two major branches of cryptography: EdDSA, as a representative of asymmetric cryptography, and AES, as a representative of symmetric cryptography. Experiments show that machine learning models can achieve high accuracy and guessing entropy in predicting the correct key using traces collected from side-channel attacks.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:396933
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-10-11 09:54:00