Метод защиты криптографических ключей на основе генерации ложных секретов с использованием машинного обучения

Лепесий, И. А.; Романович, Е. С.

Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/63456

Title:	Метод защиты криптографических ключей на основе генерации ложных секретов с использованием машинного обучения
Other Titles:	Method of protecting cryptographic keys based on generation of false secrets using machine learning
Authors:	Лепесий, И. А. Романович, Е. С.
Keywords:	материалы конференций;криптография;криптографическая защита;машинное обучение;ложные данные;информационная безопасность
Issue Date:	2026
Publisher:	БГУИР
Citation:	Лепесий, И. А. Метод защиты криптографических ключей на основе генерации ложных секретов с использованием машинного обучения = Method of protecting cryptographic keys based on generation of false secrets using machine learning / И. А. Лепесий, Е. С. Романович // Технические средства защиты информации : материалы ХXIV Международной научно-технической конференции, Минск, 8 апреля 2026 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: О. В. Бойправ [и др.]. – Минск, 2026. – С. 230–232.
Abstract:	В работе предложен метод защиты криптографических ключей на основе внедрения ложных сегментов, сгенерированных с помощью машинного обучения. Традиционные методы защиты часто неприменимы в облачных системах. Схема включает разделение ключа, генерацию ложных сегментов через генеративно состязательные сети и их перемешивание. Использование машинного обучения обеспечивает правдоподобное распределение битов. Это усложняет задачу злоумышленника при компрометации хранилища, делая перебор комбинаций сегментов вычислительно нецелесообразным из-за экспоненциального роста числа ложных вариантов.
Alternative abstract:	This paper proposes a method for protecting cryptographic keys based on the embedding of false segments generated using machine learning. Traditional security methods are often inapplicable to cloud systems. The scheme involves key splitting, generating false segments using generative adversarial networks, and shuffling them. Machine learning ensures a plausible bit distribution. This complicates the attacker's task when compromising the storage, making brute-force segment combinations computationally infeasible due to the exponential growth of false combinations.
URI:	https://libeldoc.bsuir.by/handle/123456789/63456
Appears in Collections:	ТСЗИ 2026

Files in This Item:

File	Description	Size	Format
Lepesij_Metod.pdf		206.21 kB	Adobe PDF	View/Open

Show full item record Google Scholar