Hybrid RNN-CNN-based model for PRNG identification

Proskurin, D. та Okhrimenko, T. та Gnatyuk, S. та Zhaksigulova, D. та Korshun, Natalia (2024) Hybrid RNN-CNN-based model for PRNG identification Classic, Quantum, and Post-Quantum Cryptography 2024, 3829. с. 47-53. ISSN 1613-0073

Текст D_Proskurin_T_Okhrimenko_N_Korshun_CQPC_2024_FITM.pdf Download (1MB)

Анотація

Pseudorandom Number Generators (PRNG) are used in the financial sphere, medicine, game industry, networks and communication, statistical simulation, IT, security, authentication, and cryptography (key management, initialization vectors, one-time passwords). This paper introduces a novel approach for identifying PRNG using a hybrid neural network architecture. The proposed model integrates Recurrent Neural Networks (RNN) and Convolutional Neural Networks (CNN) to enhance the accuracy of classification. The study details the steps involved in data preparation, model construction, training, and evaluation. Experimental results demonstrate that the hybrid model achieves over 95% accuracy in identifying PRNG, highlighting its potential application in cryptography, data security, and other domains requiring robust random number generation. The model’s high reliability and flexibility suggest its utility across various sectors where the integrity of random number sequences is crucial.

Тип елементу :	Стаття
Ключові слова:	PRNG; source identification; hybrid neural network; RNN; CNN; cryptography; machine learning; classification; data security
Типологія:	Статті у базах даних > Scopus
Підрозділи:	Факультет інформаційних технологій та математики > Кафедра інформаційної та кібернетичної безпеки ім. професора Володимира Бурячка
Користувач, що депонує:	Павло Миколайович Складанний
Дата внесення:	06 Груд 2024 09:46
Останні зміни:	06 Груд 2024 09:46
URI:	https://elibrary.kubg.edu.ua/id/eprint/50187

Actions (login required)

Перегляд елементу