Yapay zekâ destekli kriptanaliz:klasik şifreler ve indirgenmişturlu des üzerinde deneysel bir inceleme
Ai-assisted cryptanalysis: An experimental study onclassical ciphers and reduced-round des
- Tez No: 1025364
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZLEM ERDAŞ ÇİÇEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kriptanaliz, şifrelenmiş verilerin anahtar bilgisi olmadan çözümlenmesini veya şifreleme algoritmalarındaki zayıflıkların ortaya çıkarılmasını amaçlayan kriptoloji alanlarından biridir. Geleneksel kriptanaliz yöntemleri çoğunlukla matematiksel analiz, frekans incelemesi, diferansiyel özellikler ve kaba kuvvet yaklaşımlarına dayanırken, son yıllarda yapay zekâ ve derin öğrenme teknikleri şifreli verilerdeki örüntüleri öğrenebilme kapasiteleri nedeniyle kriptanaliz çalışmalarında dikkat çekmeye başlamıştır. Bu tez çalışmasında, yapay zekâ modellerinin farklı şifreleme algoritmaları üzerindeki kriptanalitik başarısı incelenmiş ve özellikle indirgenmiş turlu DES üzerinde nöral ayırıcı destekli son tur alt anahtar sıralama yaklaşımı ayrıntılı olarak ele alınmıştır. Çalışmanın ilk aşamasında XOR, Sezar/Kaydırma, Affine ve Mini-DES gibi daha basit veya indirgenmiş şifreleme yapıları üzerinde yapay zekâ tabanlı ön deneyler gerçekleştirilmiştir. XOR şifrelemede çok katmanlı algılayıcı modeliyle yaklaşık %99 doğruluk seviyesine ulaşılmıştır. Sezar/Kaydırma ve Affine şifrelemelerde çift yönlü LSTM ve Beam Search destekli yaklaşımlarla özellikle uzun kelimelerde yüksek başarı elde edilmiştir. Mini-DES deneyinde ise LSTM ve Seq2Seq tabanlı model ile anahtar bilgisi olmadan şifreli veriden açık metin tahmini yapılmış ve %88'in üzerinde başarı sağlanmıştır. Bu ön deneyler, yapay zekâ modellerinin klasik ve basitleştirilmiş şifre yapılarında örüntü öğrenme yoluyla kriptanalize katkı sunabileceğini göstermiştir. Tezin ana deneysel katkısı ise DES algoritmasının indirgenmiş turlu sürümleri üzerinde gerçekleştirilmiştir. Bu kapsamda öncelikle 3, 4, 5 ve 6 turlu DES için doğrudan nöral ayırıcı modelleri eğitilmiştir. Deneylerde 3 ve 4 turlu DES üzerinde güçlü bir ayırt edici sinyal gözlemlenmiş, 5 turlu DES seviyesinde sinyal zayıflamış, 6 turlu DES için doğrudan nöral ayırıcı ise rastgele seviyesine yakın sonuç vermiştir. Giriş farkı seçiminin model başarısı üzerindeki etkisi ayrıca incelenmiş, 6 turlu DES için farklı giriş farkı değerleri, Diferansiyel Dağılım Tablosu tabanlı diferansiyel yol araması ve çoklu çift doğrudan nöral ayırıcı yaklaşımları denenmiştir. Ancak bu yöntemler, 6 turlu DES üzerinde doğrudan ayırt etme başarısını anlamlı biçimde artırmamıştır. Bu nedenle çalışmanın sonraki aşamasında, 5 turlu DES için eğitilmiş nöral ayırıcı modeli, 6 turlu DES üzerinde son tur alt anahtar adaylarını puanlamak amacıyla kullanılmıştır. Bu yaklaşımda her aday son tur alt anahtarı ile şifreli metin çiftleri bir tur geri alınmış ve aday alt anahtarlar nöral ayırıcı skorlarına göre sıralanmıştır. Deneysel sonuçlar, yeterli sayıda açık metin-şifreli metin çifti kullanıldığında gerçek son tur alt anahtarının aday havuzu içerisinde üst sıralara taşınabildiğini göstermiştir. 4096 adaylık havuzda 192 çift ve üzerinde, 16384 adaylık havuzda ise 256 çift ve üzerinde gerçek alt anahtar tüm denemelerde birinci sıraya yerleşmiştir. Ayrıca rastgele, yani eğitilmemiş model kontrol deneyi ile elde edilen başarının saldırı sürecindeki yapısal bir yanlılıktan değil, eğitilmiş nöral ayırıcının öğrendiği diferansiyel sinyalden kaynaklandığı doğrulanmıştır. Sonuç olarak bu tez çalışması, yapay zekâ modellerinin kriptanalizde kullanımını klasik şifreleme algoritmalarından indirgenmiş turlu DES'e kadar genişleyen deneysel bir çerçevede incelemektedir. Elde edilen bulgular, doğrudan şifreli metinden açık metne tahmin yaklaşımının basit şifrelerde etkili olabildiğini; ancak DES gibi modern blok şifre yapılarında daha kriptolojik yaklaşımlara ihtiyaç duyulduğunu göstermektedir. Özellikle doğrudan nöral ayırıcının başarısız olduğu 6 turlu DES senaryosunda, bir önceki tur için eğitilmiş modelin son tur anahtar kurtarma sürecinde etkili bir puanlayıcı olarak kullanılabilmesi çalışmanın temel katkısını oluşturmaktadır.
Özet (Çeviri)
Cryptanalysis is a branch of cryptology that aims to recover encrypted information without direct knowledge of the secret key or to reveal possible weaknesses in cryptographic algorithms. Traditional cryptanalysis methods are generally based on mathematical analysis, frequency analysis, differential properties, and brute-force approaches. In recent years, artificial intelligence and deep learning techniques have attracted attention in cryptanalysis due to their ability to learn hidden patterns in encrypted data. In this thesis, the cryptanalytic performance of artificial intelligence models on different encryption algorithms is investigated, with particular emphasis on a neural distinguisher-assisted last-round subkey ranking approach on reduced round DES. In the first stage of the study, preliminary artificial intelligence-based experiments were carried out on simpler or reduced cryptographic structures such as XOR, Caesar, Affine and Mini-DES. In the XOR encryption experiment, an MLP-based model achieved approximately 99% accuracy. For Caesar and Affine ciphers, Bidirectional LSTM and Beam Search-supported approaches achieved high success rates, especially for longer words. In the Mini-DES experiment, an LSTM and Seq2Seq-based model was used to predict plaintext from ciphertext without key information, achieving over 88% accuracy. These preliminary experiments showed that artificial intelligence models can contribute to cryptanalysis by learning patterns in classical and simplified encryption structures. The main experimental contribution of this thesis focuses on reduced-round versions of the DES algorithm. In this context, direct neural distinguisher models were trained for 3-round, 4-round, 5-round, and 6-round DES. While very high distinguishing performance was obtained for 3-round and 4-round DES, a weak but usable signal was observed at the 5-round level. However, the direct neural distinguisher for 6-round DES produced results close to the random baseline. The effect of delta selection on model performance was also examined. For 6-round DES, different delta values, DDT-based differential path search, and multi-pair direct distinguisher approaches were tested. Nevertheless, these methods did not significantly improve direct distinguishing performance for 6-round DES. Therefore, in the next stage of the study, the 5-round neural distinguisher was used to score last-round subkey candidates for 6-round DES. In this approach, ciphertext pairs were partially decrypted by one round using each candidate last-round subkey, and the resulting pseudo-5-round structures were evaluated by the neural distinguisher. The candidate subkeys were then ranked according to their neural scores. Experimental results showed that, when a sufficient number of plaintext-ciphertext pairs were used, the true last-round subkey could be moved to the top of the candidate list. In a candidate pool of 4096 subkeys, the true subkey ranked first in all trials with 192 or more pairs. In a larger candidate pool of 16384 subkeys, the true subkey ranked first in all trials with 256 or more pairs. In addition, a random/untrained model control experiment confirmed that the obtained success was not caused by a structural bias in the attack pipeline, but by the differential signal learned by the trained neural distinguisher. As a result, this thesis examines the use of artificial intelligence models in cryptanalysis within an experimental framework ranging from classical encryption algorithms to reduced-round DES. The findings show that direct ciphertext-to-plaintext prediction can be effective for simple ciphers; however, more cryptologically grounded approaches are required for modern block cipher structures such as DES. In particular, the main contribution of this study is demonstrating that even when a direct neural distinguisher fails on 6-round DES, a neural distinguisher trained on one fewer round can be effectively used as a scoring oracle in the last-round key recovery process.
Benzer Tezler
- Yapay zeka destekli sanal laboratuvar tasarımı: Çekme deneyi uygulaması
Artificial intelligence aided virtual laboratory design: Tensile test application
ALPER KİRAZ
Doktora
Türkçe
2014
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. CEMALETTİN KUBAT
- Yapay zeka destekli odyometri ölçüm sisteminin tasarımı ve gerçekleştirilmesi
Design and implementation of supported artificial intelligence audiometer meas-urement system
BÜŞRA ER
Yüksek Lisans
Türkçe
2020
Mühendislik BilimleriAfyon Kocatepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR FİDAN
- Yapay zeka destekli interaktif sağlık robotu
Artificial intelligence assisted interactive health robot
MUSTAFA GÖKSU
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ALKAN
- Yapay zeka destekli takipçi profilleme sistemi
Artificial intelligence based follower profiling system
KADİR YUNUS KOÇ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDAL GÜVENOĞLU
- Yapay zekâ destekli otonom ödeme teknolojisi üzerine bir araştırma: Aktif ve pasif yenilik direncinin incelenmesi
A research on ai-assisted autonomous checkout technology: Investigation of active and passive innovation resistance
ÖZGE AKIN