Розроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі

dc.citation.epage95
dc.citation.issue9
dc.citation.journalTitleВісник Національного університету "Львівська політехніка". Інформаційні системи та мережі
dc.citation.spage84
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationЛьвівський національний університет імені Івана Франка
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.affiliationLviv National University of Ivan Franko
dc.contributor.authorЦмоць, Іван
dc.contributor.authorРабик, Василь
dc.contributor.authorЛукащук, Юрій
dc.contributor.authorTsmots, Ivan
dc.contributor.authorRabyk, Vasyl
dc.contributor.authorLukashchuk, Yurii
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2023-06-07T07:02:55Z
dc.date.available2023-06-07T07:02:55Z
dc.date.created2021-03-01
dc.date.issued2021-03-01
dc.description.abstractСформовано вимоги, вибрано метод і розглянуто основні етапи розроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі. Показано, що розроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі з високою ефективністю використання обладнання зводиться до мінімізації апаратних затрат із забезпеченням множини вимог, характеристик і обмежень. Вдосконалено таблично-алгоритмічний метод обчислення скалярного добутку завдяки можливості роботи з операндами з плаваючою комою та орієнтовано його на апаратно-програмну реалізацію. Розроблено на базі універсального процесорного ядра, доповненого спеціалізованими модулями, мобільні засоби нейроподібного криптографічного шифрування та дешифрування даних, які за рахунок взаємопоєднання універсального та спеціалізованого підходів, програмних і апаратних засобів забезпечують ефективну реалізацію алгоритмів криптографічного шифрування та дешифрування даних у реальному часі. Запропоновано для досягнення високих технікоекономічних показників під час реалізації спеціалізованих модулів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі використовувати багатооперандний підхід, таблиці макрочасткових добутків і базис елементарних арифметичних операцій. Реалізовано з використанням мови програмування апаратури VHDL та середовища розроблення Quartus II вер. 13.1 на FPGA спеціалізовані модулі нейроподібного криптографічного шифрування та дешифрування даних. Здійснено оцінювання апаратних і часових параметрів розробленого спеціалізованого модуля нейроподібного криптографічного дешифрування даних.
dc.description.abstractThe requirements are formed, the method is chosen and the main stages of development of mobile means of neuro-like cryptographic encryption and real-time data decryption are considered. It is shown that the development of mobile means of neuro-like cryptographic encryption and decryption of real-time data with high efficiency of equipment is reduced to minimize hardware costs while providing a variety of requirements, characteristics and limitations. The tabular-algorithmic method of calculating the scalar product has been improved. Namely, the ability to work with floating-point operands has been added and it is focused on hardware and software implementation. Developed on the basis of a universal processor core, supplemented by specialized modules, mobile means of neuro-like cryptographic encryption and data decryption. Which due to the combination of universal and specialized approaches, software and hardware provides effective implementation of algorithms for cryptographic encryption and decryption of data in real time. It is proposed to use a multioperand approach, tables of macroparticle products and bases of elementary arithmetic operations to achieve high technical and economic indicators in the implementation of specialized modules of neuro-like cryptographic encryption and real-time data decryption. Specialized modules of neuro-like cryptographic encryption and data decryption have been implemented using the VHDL hardware programming language and the Quartus II development environment (version 13.1) on the FPGA. The evaluation of hardware and time parameters of the developed specialized module of neurosimilar cryptographic data decryption is carried out.
dc.format.extent84-95
dc.format.pages12
dc.identifier.citationЦмоць І. Розроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі / Іван Цмоць, Василь Рабик, Юрій Лукащук // Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2021. — № 9. — С. 84–95.
dc.identifier.citationenTsmots I. Development of mobile facilities of neuro-like cryptographic encryption and decryption of data in real time / Ivan Tsmots, Vasyl Rabyk, Yurii Lukashchuk // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Informatsiini systemy ta merezhi. — Lviv : Lviv Politechnic Publishing House, 2021. — No 9. — P. 84–95.
dc.identifier.doidoi.org/10.23939/sisn2021.09.084
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/59157
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofВісник Національного університету "Львівська політехніка". Інформаційні системи та мережі, 9, 2021
dc.relation.references1. Volna, E., Kotyrba, M., Kocian, V., Janosek, M. (2012). Cryptography Based On Neural Network. Proceedings of the 26th European Conference on Modeling and Simulation, 386–391.
dc.relation.references2. Shihab, K. (2006). A backpropagation neural network for computer network security. Journal of Computer Science, Vol. 2, No. 9, 710–715.
dc.relation.references3. Sagar, V., Kumar, K. (2014). A Symmetric Key Cryptographic Algorithm Using Counter Propagation Network (CPN). Proceedings of the 2014 ACM International Conference on Information and Communication Technology for Competitive Strategies.
dc.relation.references4. Arvandi, M., Wu, S., Sadeghian, A., Melek, W. W., Woungang, I. (2006). Symmetric cipher design using recurrent neural networks. Proceedings of the IEEE International Joint Conference on Neural Networks, 2039–2046.
dc.relation.references5. Цимбал, Ю. В. (2018). Нейромережевий метод симетричного шифрування даних. Вісник Національного університету “Львівська політехніка”. Серія: Інформаційні системи та мережі, № 901, 118–122.
dc.relation.references6. Tsmots, I., Tsymbal, Y., Skorokhoda, O., Tkachenko, R. (2019). Neural-like methods and hardware structures for real-time data encryption and decryption. Комп’ютерні науки та інформаційні технології, CSIT-2019: матеріали XІV Міжнар. наук.-техн. конференції, 17–20 вересня 2019, Львів, Україна, 248–253.
dc.relation.references7. Khavalko, V., Tsmots, I. (2019). Image classification and recognition on the base of autoassociative neural network usage. 2019 IEEE 2nd Ukraine conference on electrical and computer engineering, UKRCON-2019 : conference proceedings (Lviv, Ukraine, July 2–6, 2019), 1118–1121.
dc.relation.references8. Tsmots, I., Rabyk, V., Skorokhoda, O., Teslyuk, T. (2019). Neural element of parallel-stream type with preliminary formation of group partial products. Electronics and information technologies (ELIT-2019): proceedings of the XIth International scientific and practical conference, 16–18 September, 2019, Lviv, Ukraine, 154–158.
dc.relation.references9. Tsmots, I., Rabyk, V., Skorokhoda, O., Tsymbal, Y. (2021). Neural-like real-time data protection and transmission system. Advances in Intelligent Systems and Computing (AISC), Vol. 1293 : Advances in Intelligent Systems and Computing V. Selected papers from the International conference on computer science and information technologies.
dc.relation.references10. Цмоць, І. Г., Лукащук, Ю. А., Хавалко, В. М., Рабик, В. Г. (2019). Моделі нейроподібного елемента паралельно-паралельного типу. Моделювання та інформаційні технології, Вип. 86, 119–126.
dc.relation.references11. Tsmots, I., Skorokhoda, O., Ignatyev, I., Rabyk, V. (2017). Basic Vertical-Parallel Real Time Neural Network Components. Proceedings of XIIth International Scientific and Technical Conference CSIT 2017. 5–8 September 2017. Lviv, Ukraine, 344–347.
dc.relation.references12. Цмоць, І. Г., Скорохода, О. В. (2011). Пристрій для обчислення скалярного добутку. Патент України на корисну модель № 66138, бюл. № 24.
dc.relation.references13. Цмоць, І. Г., Скорохода, О. В., Теслюк, В. М. (2013). Пристрій для обчислення скалярного добутку. Патент України на винахід № 101922, 13.05.2013, бюл. № 9.
dc.relation.references14. Цмоць, І. Г., Скорохода, О. В., Медиковський, М. О. (2019). Пристрій для обчислення скалярного добутку. Патент України на винахід № 118596, 11.02.2019, бюл. № 3.
dc.relation.references15. Цмоць, І. Г., Теслюк, В. М., Теслюк, Т. В., Медиковський, М. О., Цимбал, Ю. В. (2019). Пристрій для обчислення сум парних добутків. Патент України № 120210, 25.10.2019, бюл. № 20/2019
dc.relation.referencesen1. Volna, E., Kotyrba, M., Kocian, V., Janosek, M. (2012). Cryptography Based On Neural Network. Proceedings of the 26th European Conference on Modeling and Simulation, 386–391.
dc.relation.referencesen2. Shihab, K. (2006). A backpropagation neural network for computer network security. Journal of Computer Science, Vol. 2, No. 9, 710–715.
dc.relation.referencesen3. Sagar, V., Kumar, K. (2014). A Symmetric Key Cryptographic Algorithm Using Counter Propagation Network (CPN). Proceedings of the 2014 ACM International Conference on Information and Communication Technology for Competitive Strategies.
dc.relation.referencesen4. Arvandi, M., Wu, S., Sadeghian, A., Melek, W.W., Woungang, I. (2006). Symmetric cipher design using recurrent neural networks. Proceedings of the IEEE International Joint Conference on Neural Networks, 2039– 2046.
dc.relation.referencesen5. Tsimbal, Yu. V. (2018). Neural network method of symmetric data encryption. Bulletin of the Lviv Polytechnic National University. Series: Information systems and networks, No. 901, 118–122.
dc.relation.referencesen6. Tsmots, I., Tsymbal, Y., Skorokhoda, O., Tkachenko, R. (2019). Neural-like methods and hardware structures for real-time data encryption and decryption. Computer Science and Information Technology, CSIT-2019: Proceedings of the XIV International Scientific and Technical Conference, September 17–20, 2019, Lviv, Ukraine, 248–253.
dc.relation.referencesen7. Khavalko, V., Tsmots, I. (2019). Image classification and recognition on the base of autoassociative neural network usage. 2019 IEEE 2-nd Ukraine conference on electrical and computer engineering, UKRCON-2019 : conference proceedings (Lviv, Ukraine, July 2–6, 2019), 1118–1121.
dc.relation.referencesen8. Tsmots, I., Rabyk, V., Skorokhoda, O., Teslyuk, T. (2019). Neural element of parallel-stream type with preliminary formation of group partial products. Electronics and information technologies (ELIT-2019): proceedings of the XI-th International scientific and practical conference, 16 –18 September, 2019, Lviv, Ukraine. C. 154–158.
dc.relation.referencesen9. Tsmots, I., Rabyk, V., Skorokhoda, O., Tsymbal, Y. (2021). Neural-like real-time data protection and transmission system. Advances in Intelligent Systems and Computing (AISC). Vol. 1293: Advances in Intelligent Systems and Computing V. Selected papers from the International conference on computer science and information technologies.
dc.relation.referencesen10. Tsmots, I. G., Lukaschuk, Yu. A., Havalko, V. M, Rabik, V. G. (2019). Models of neuro-like element of parallel-parallel type. Modeling and information technology, Vip. 86, 119–126.
dc.relation.referencesen11. Tsmots, I., Skorokhoda, O., Ignatyev, I., Rabyk, V. (2017). Basic Vertical-Parallel Real Time Neural Network Components. Proceedings of XIIth International Scientific and Technical Conference CSIT 2017. 5–8 September 2017. Lviv, Ukraine, 344–347.
dc.relation.referencesen12. Tsmots, I. G., Skorokhoda, O. V. (2011). Device for calculating the scalar product. Patent of Ukraine for utility model No. 66138, bull. No. 24.
dc.relation.referencesen13. Tsmots, I. G., Skorokhoda, O. V., Teslyuk, V. M. (2013). Device for calculating the scalar product. Patent of Ukraine for the invention No. 101922, 13.05.2013 bull. No. 9.
dc.relation.referencesen14. Tsmots, I. G., Skorokhoda, O. V., Medikovsky, M. O. (2019). Device for calculating the scalar product. Patent of Ukraine for the invention No. 118596, 11.02.2019, bull. No. 3.
dc.relation.referencesen15. Tsmots, I. G., Teslyuk, V. M, Teslyuk, T. V, Medikovsky, M. O, Tsymbal, Y. V. (2019). Device for calculating the sums of paired products. Patent of Ukraine No. 120210, 25.10.2019, bull. No. 20/2019.
dc.rights.holder© Національний університет “Львівська політехніка”, 2021
dc.rights.holder© Цмоць І., Рабик В., Лукащук Ю., 2021
dc.subjectшифрування даних
dc.subjectдешифрування даних
dc.subjectнейронна мережа
dc.subjectскалярний добуток
dc.subjectспеціалізований модуль
dc.subjectнейроподібний елемент
dc.subjectFPGA
dc.subjectdata encryption
dc.subjectdata decryption
dc.subjectneural network
dc.subjectscalar product
dc.subjectspecialized module
dc.subjectneuro-like element
dc.subjectFPGA
dc.subject.udc004.8.032.26
dc.titleРозроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі
dc.title.alternativeDevelopment of mobile facilities of neuro-like cryptographic encryption and decryption of data in real time
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2021n9_Tsmots_I-Development_of_mobile_facilities_84-95.pdf
Size:
1.96 MB
Format:
Adobe Portable Document Format
Thumbnail Image
Name:
2021n9_Tsmots_I-Development_of_mobile_facilities_84-95__COVER.png
Size:
405.86 KB
Format:
Portable Network Graphics

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.84 KB
Format:
Plain Text
Description: