%
%   Образец / Шаблон оформления тезиса
%
%
%   Если в тезисе каких-то разделов (картинок, списка литературы) нет, то соотвествующие команды надо закомментировать.
%   Файл для компиляции --- этот (example.tex, переименовый в фамилию автора, например, ivanov.tex).
%
%   ========================================================================================
%


%
%	Если в вашем документе нет картинок и вы хотите компилировать документ при помощи latex->dvips->ps2pdf, то уберите опцию usePics, заменив следующую строчку на
%\documentclass{lomonosov}
\documentclass[usePics]{lomonosov}
 
\begin{thesis}  % Сам тезис должен быть полностью помещен внутри окружения thesis
  
% Один автор
\Title{Тестирование случайных последовательностей на основе нейронных сетей}{{Смирнова\,А.\,В.}} 
% Несколько авторов
%\Title{Тема доклада}{{Иванов\,И.\,И.}{Петров\,П.\,П.}{Сидоров\,С.\,С.}} 

%
%	Команда авторства. Выберете ту, что отвечает вашему тезису, и, если надо, раскомментируйте ее; остальные --- удалите или закомментируйте. 
%

% Один автор 
\Author{Смирнова~Алина~Валерьевна}{Студент}{Факультет математики, информационных и авиационных технологий УлГУ}{Ульяновск}{Россия}{alinochka\_gw@mail.ru}{Клочков~Андрей~Евгеньевич}

% Несколько авторв из одной организации
%\Author{Иванов~Иван~Иванович, Петров~Петр~Петрович}{Студент, аспирант}{Факультет ВМК МГУ имени М.\,В.\,Ломоносова}{Москва}{Россия}{ivanov@cmc.msu.ru, petrov@lki.su}

% Несколько авторов из разных организаций
%\AuthorM{{Иванов~Иван~Иванович}{Петров~Петр~Петрович}}{%
%	{Аспирант, факультет ВМК МГУ имени М.\,В.\,Ломоносова, Москва, Россия}{Старший научный сотрудник, Ленинградский кораблестроительный институт, Ленинград, СССР}}{ivanov@cmc.msu.ru, petrov@cmc.msu.su}


Исследование было направлено на проверку гипотезы о возможности определения алгоритма криптографического преобразования нейронной сетью на основе результатов статистического тестирования незашифрованных и зашифрованных данных с помощью тестов NIST~[1]. В качестве входных данных служили файлы формата zip размером от 50КБ до 7МБ, содержащие текстовые файлы. Исследование проводилось над алгоритмами шифрования RSA и ГОСТ 34.12--2015 <<Магма>> в режиме простой замены.

Для этого был разработан программный комплекс статистического анализа данных, включающий в себя 15 статистических тестов NIST. В данном программном комплексе реализованы алгоритмы шифрования RSA и ГОСТ 34.12--2015 <<Магма>> в различных режимах шифрования. Результаты тестирования входных и зашифрованных последовательностей записывались в базу данных Microsoft SQL Server Express. Разработка платформы велась на языке программирования C++ на базе кроссплатформенного фреймворка Qt. 

С помощью этого программного комплекса было проведено тестирование 620 файлов, для каждого алгоритма шифрования использовалось по 1000 ключей. Таким образом, было получено 1240620 битовых последовательностей, над которыми затем проводилось тестирование. Результатом тестирования 1 битовой последовательности является вектор, состоящий из 188 значений P--value. Для последующего нейросетевого анализа было выбрано 10 значений P--value, являющиеся результатами тестов, которые возвращают только 1 значение.

В программе STATISTICA Automated Neural Networks (SANN) проводилось обучение 40 нейросетевых моделей следующих типов: многослойный персептрон и сеть радиально-базисных функций. Из обученных моделей выбиралось 10 наилучших.

В полученных нейросетевых моделях процент ошибок составляет от 6,217\% до 2,14\%. Самой точной из них оказалась модель MLP 10-13-3. Средний процент точности  многослойных персептронов составляет 96,797\%, а средний процент точности  радиально–базисных составляет 93,802\%. Следовательно, многослойные персептроны являются более подходящими для данной задачи. Больше всего влияют на результат классификации результаты теста дискретного преобразования Фурье, теста приблизительной энтропии, универсального статистического теста Маурера и частотного блочного теста~[1]. 

Таким обра­зом, гипотеза о возможности определения алгоритма криптографического преобразования нейронной сетью на основе результатов тестирования незашифрованных и зашифрованных ZIP–файлов подтверждена.

В будущем планируется проводить тестирование на большем количестве файлов разных форматов. Также, кроме данной гипотезы планируется проверить гипотезу о выявлении «слабых» ключей криптографического преобразования и других гипотез, основанных на возможных параметрах классификации последовательностей.




%
%   Иллюстрации, если они есть
%

%\Pictures
%Следующая команда повторяется для каждой иллюстрации
%\Picture{ivanov_01}{Подпись к рисунку. На рисунке подписаны оси.}{0.9}


%
%   Список литературы, если он есть
%
\begin{references}
\Source \ENGLISH{Rukhin A., Soto J., Nechvatal J., Smid M., Barker E., Leigh S., Levenson M., Vangel M., Banks D., Heckert A., Dray J., Vo \,S. A statistical test suite for random and pseudorandom number generators for cryptographic applications // NIST Spec. Publ. 2001. \,800--22 revision 1a.}

%\Source Васильев\,Ф.\,П. Методы оптимизации. М.:~МЦНМО, 2011.

%\Source Чебунин\,И.\,В. Условия управляемости для уравнения 
%        Риккати~// Дифференциальные уравнения. 2003. Т.\,39,
%        \No\,12. С.\,1654--1661.

%\Source \ENGLISH{Joachims\,T. Training linear SVMs in linear time // In
%        Proceedings of the 12th ACM SIGKDD international
%        conference on Knowledge discovery and data mining,
 %       New York, USA, 2006, P.\,217--226.}

%\Source Страница конкурса   <<Интернет - математика>>: 

%\url{http://imat-relpred.yandex.ru}
\end{references}

\end{thesis} % Сам тезис должен быть полностью помещен внутри окрежения thesis