Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/10609/81610
Registre complet de metadades
Camp DCValorLlengua/Idioma
dc.contributor.authorNovas Otero, Pedro-
dc.contributor.otherUniversitat Oberta de Catalunya-
dc.contributor.otherVentura, Carles-
dc.date.accessioned2018-06-28T19:07:42Z-
dc.date.available2018-06-28T19:07:42Z-
dc.date.issued2018-06-05-
dc.identifier.urihttp://hdl.handle.net/10609/81610-
dc.description.abstractEn el presente trabajo se realiza un estudio sobre la aplicación de redes neuronales al criptoanlálisis del algoritmo Advanced Encryption Standard. El criptoanálisis propuesto consiste en entrenar una red neuronal con ejemplos formados por pares de textos en plano y sus correspondientes textos cifrados para, posteriormente, a partir de un texto cifrado predecir el texto en plano correspondiente. El estudio muestra capacidad de aprendizaje, aunque reducida, de las redes neuronales testadas en versiones reducidas del algoritmo. Sin embargo, en las versiones completas del algoritmo las pruebas muestran aleatoriedad en las predicciones. Por lo tanto, en base a los resultados obtenidos, el criptoanálisis desarrollado no se puede considerar un ataque eficaz contra el algoritmo objeto de estudio.es
dc.description.abstractThis study will explore the application of neural networks to the cryptanalysis of the Advanced Encryption Standard algorithm. The proposed cryptanalysis consists of training a neural network with examples comprised of pairs of plaintexts and their respective cyphertexts, so that it can subsequently obtain the correct cyphertext having access only to the plaintext. The study shows learning capacity, albeit reduced, when the neural networks are tested against a reduced-round version of the algorithm. However, when the full-round version of the algorithm is used, the tests show randomness. Therefore, according to the results obtained, the proposed cryptanalysis cannot be considered an effective attack against the algorithm studied.en
dc.description.abstractEn el present treball es realitza un estudi sobre l'aplicació de xarxes neuronals al criptoanàlisi de l'algorisme Advanced Encryption Standard. La criptoanàlisi proposada consisteix a entrenar una xarxa neuronal amb exemples formats per parells de textos en plànol i els seus corresponents textos xifrats para, posteriorment, a partir d'un text xifrat predir el text en plànol corresponent. L'estudi mostra capacitat d'aprenentatge, encara que reduïda, de les xarxes neuronals testades en versions reduïdes de l'algorisme. No obstant això, en les versions completes de l'algorisme les proves mostren aleatorietat en les prediccions. Per tant, sobre la base dels resultats obtinguts, la criptoanàlisi desenvolupada no es pot considerar un atac eficaç contra l'algorisme objecto d'estudi.ca
dc.language.isospa-
dc.publisherUniversitat Oberta de Catalunya-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/-
dc.subjectredes neuronales convolucionaleses
dc.subjectconvolutional neural networken
dc.subjectcriptoanálisises
dc.subjectcriptoanàlisica
dc.subjectcriptanalysisen
dc.subjectAESes
dc.subjectAESca
dc.subjectAESen
dc.subjectxarxes neuronals convolucionalsca
dc.subject.lcshArtificial intelligence -- TFGen
dc.titleRedes neuronales aplicadas al criptoanálisis del Advanced Encryption Standard-
dc.typeinfo:eu-repo/semantics/bachelorThesis-
dc.audience.educationlevelEstudis de Grauca
dc.audience.educationlevelEstudios de Gradoes
dc.audience.educationlevelUniversity degreesen
dc.subject.lemacIntel·ligència artificial -- TFGca
dc.subject.lcshesInteligencia artificial -- TFGes
dc.contributor.tutorIsern, David-
Apareix a les col·leccions:Bachelor thesis, research projects, etc.

Arxius per aquest ítem:
Arxiu Descripció MidaFormat 
pnovasTFG0618memoria.pdfMemoria del TFG3,27 MBAdobe PDFThumbnail
Veure/Obrir
pnovasTFG0618presentación.pdfPresentación del TFG1,08 MBAdobe PDFThumbnail
Veure/Obrir
Comparteix:
Exporta:
Consulta les estadístiques

Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons Creative Commons