|
Fatullayev Bekzod Botir ug‘li (Kiberxavfsizlik 711-21 axo')
|
| bet | 8/20 | | Sana | 20.12.2023 | | Hajmi | 418,9 Kb. | | #124487 |
Gomomorfik shifrlash
Xususiy biometrikani joriy etishdan oldin biometrik metodlar moslashtirish
uchun ochiq matnli qidiruvdan foydalanishni talab qilar edi, shuning uchun har bir biometrik qidiruv jarayonining bir nuqtasida ko‘rinadigan (shifrlanmagan) bo‘lishi kerak edi. Shunga o‘xshash ma’lumotlarni shifrlangan ma’lumotlar bazasida o‘tkazish foydalidir.
Shifrlash mosligi odatda bir tomonlama shifrlash algoritmlari yordamida amalga oshiriladi, ya’ni shifrlangan ma’lumotlarga ko‘ra asl ma’lumotlarga kirish mexanizmi yo‘q. Umumiy bir tomonlama shifrlash algoritmlari MD5 va SHA-512. Biroq, bu algoritmlar gomomorfik emas, ya’ni shifrlangan ma’lumotlarning ikkita namunasini yaqinligini taqqoslash imkoniyati yo‘q va shu bilan taqqoslash uchun vosita yo‘q. Taqqoslashning iloji yo‘qligi, mashinada o‘rganishda har qanday tasniflash modelini qabul qilib bo‘lmaydi.
Gomomorfik shifrlash – bu shifrlashning bir turi bo‘lib, hisoblashni shifrlangan matnda bajarishga imkon beradi va shu bilan shifrlangan o‘yin natijasini beradi. Bir tomonlama shifrlash yordamida shifrlangan maydonda mos
17
kelish eng yuqori darajadagi maxfiylikni ta’minlaydi. Bir tomonlama shifrlangan
funktsiya vektorlarining foydali yuklari bilan parolni ochish kerak emas va kalitlarni boshqarish kerak bo‘lmaydi.
Biometrik ma’lumotlarga gomomorfik shifrlashning istiqbolli usuli – bu xususiyat vektorlarini yaratish uchun mashinasozlik modellaridan foydalanish. Qora qutilarli modellar, masalan, neyron tarmoqlari uchun, ushbu vektorlar o‘z-o‘zidan dastlabki ma’lumotlarni qayta tiklash uchun foydalana olmaydi va shuning uchun bir tomonlama shifrlashning bir shakli hisoblanadi. Shu bilan birga, vektorlar evklid bilan o‘lchanadi, shuning uchun vektorlar orasidagi o‘xshashlikni hisoblash mumkin. Ushbu jarayon biometrik ma’lumotlarni gomomorfik tarzda shifrlashga imkon beradi.
Misol uchun, agar biz Evklid masofasi bilan yuzni aniqlashni hisobga olsak, neyron tarmoq yordamida yuzning ikkita tasvirini bir-biriga moslashtirsak, avval har bir yuz suzuvchi vektorga aylantiriladi, bu esa Google ning FaceNet holatida 128 o‘lchamga teng. bu suzuvchi vektor o‘zboshimchalik bilan va uni asl yuziga qaytarib ishlab bo‘lmaydi. Darhaqiqat, keyinchalik neyron tarmoqdan matritsani ko‘paytirish yuzning vektoriga aylanadi, Evklid o‘lchoviga ega, ammo tanib bo‘lmaydi va biron bir rasmga qaytara olmaydi.
|
| |
