Методика определения типов шифрования линейных блочных кодов
- 1,2 ФГБОУ ВО «Воронежский государственный технический университет» (г. Воронеж, Россия)
- 3 АО «ВЦКБ «Полюс» (г. Воронеж, Россия)
Аннотация
Постановка проблемы. Все существующие на сегодняшний день способы определения параметров зашифрованного кода основаны на известных типах канального кодирования и шифрования. Однако данные скремблирующего кода, получаемые несогласованными сторонами связи, неизвестны. Поэтому для дальнейшего определения параметров линейных блочных кодов необходимо анализировать, закодирован ли исходящий сигнал и какой при этом использован метод шифрования.
Цель. Представить методику определения типов шифрования линейных блочных кодов путем совместного использования корреляционных признаков и сверточных нейронных сетей (СНС).
Результаты. Разработан метод определения типа шифрования линейного блочного кода, основанный на определении корреляционных признаков и сетевой модели выделения корреляционных признаков. Проведено моделирование зависимости параметров линейного блочного кода, числа выборок и порядка полинома генератора при различных условиях ошибок, результаты которого показали, что по сравнению с традиционным методом определения признаков предложенный метод с применением СНС и долгой краткосрочной памяти имеет лучшую скорость распознавания при высокой частоте битовых ошибок (BER) и может распознавать тип шифрования линейного блочного кода в условиях BER и шума.
Практическая значимость. Представленные результаты по идентификации параметров кода шифрования могут быть использованы для последующего определения параметров шифратора, что имеет важное значение на практике.
- Поступила
- 20.05.2024
- Одобрена
- 27.05.2024
- Принята
- 28.06.2024
Для цитирования
Хорошайлова М.В., Кузнецов А.В., Демихова А.С. Методика определения типов шифрования линейны блочных кодов // Радиотехника. 2024. Т. 88. № 7. С. 40-44. DOI: https://doi.org/10.18127/j00338486-202407-08
Список источников
- Хорошайлова М.В., Свиридова И.В., Ципина К.Д. Реконфигурируемый низкоплотностный декодер для многоуровневых беспроводных локальных сетей // Радиотехника. 2023. Т. 87. № 8. С. 94-99. DOI: https://doi.org/10.18127/j00338486-202308-15.
- Bandara K., Bergmeir C., Hewamalage H. LSTM-MSNet: Leveraging forecasts on sets of related time series with multiple
seasonal patterns // IEEE Trans. Neural Netw. Learn. Syst. 2021. № 32. Р. 1586–1599. - Хорошайлова М.В. Архитектура для стохастических LDPC-декодеров c использованием эффективной площади кристалла на основе ПЛИС // Вестник Воронежского гос. технич. ун-та. 2018. Т. 14. № 1. С. 95-100.
- Башкиров А.В., Хорошайлова М.В. Алгоритмы низкой сложности декодирования и архитектура для недвоичных низкоплот-ностных кодов // Радиотехника. 2016. № 6. С. 10-14.
- Zhang L.M., Tan J.Y., Zhong Z.G. Blind identification of self-synchronous scrambling codes based on cosine coincidence // J. Electron. Inf. Technol. 2022. № 44. Р. 1412–1420.
- Ma Y., Zhang L.M. Reconstruction of scrambler with real-time test // J. Electron. Inf. Technol. 2016. № 38. Р. 1794–1799.
