مطالعه ای بر تکنیکهای بهینه سازی در هوش مصنوعی جهت حل مسئله ی SVP در تئوری مشبکه ها

بزرگترین چالش امنیتی پیشروی طرحها و پروتکلهای رمزنگاری مشبکه مبنا، میزان سختی مسائل مشبکه در ساختار این طرحهاست که یکی از مهمترین و پایه ای ترین آنها را میتوان مسئلهی SVP به شمار آورد. اگرچه روشهای موثر خاص منظورهای در تئوری مشبکه جهت تقریب حل مسئلهی SVP وجود دارد ولی تکنیکهای عمومی دیگری نیز وجود دارد که این مسئله را به دیده ی یک جعبه ی سیاه نگریسته و اقدام به حل آنها مینماید (درحالیکه قابلیت بهره-گیری از دانش فضای مسئله را در فرایند جستجوی خود مهیا میکند). در این پژوهش تلاش به بررسی فنی امکان بکارگیری مهمترین تکنیکهای هوش مصنوعی در کلاس جستجوهای تصادفی هدایت شده (از قبیل محاسبات تکاملی، روشهای مکانیک آماری، سیستمهای فازی، شبکه های عصبی و شبکه های عصبی فازی) جهت حمله به مسئله SVP نمودیم. بکارگیری الگوریتمهای تکاملی بیشترین درجه ی سازگاری در حمله به SVP نسبت به تکنیکهای دیگر نشان داده است. متاسفانه استفادهی مستقیم از سیستمهای فازی و شبکه های عصبی فازی در طراحی حمله به SVP بسیار ناامید کننده بوده است (هرچند در این پژوهش، کاربردهای مناسبی برای بکارگیری این تکنیکها در حملات مشبکه پیشنهاد شده است). همچنین، بررسی فنی بکارگیری تکنیکهای مکانیک آماری و شبکه های عصبی، ملاحظات و مشکلاتی را آشکار نمود که لحاظ آنها در مطالعات آتی میتواند مفید واقع شود.

Keywords:

رمزنگاری مبتنی بر مشبکه , مسئله ی SVP , سیستم های تکاملی , مکانیک آماری , الگوریتم متروپولیس , شبکه های عصبی , شبکه های عصبی فازی , سیستمهای فازی.