Este Trabajo Fin de Grado (TFG) se centra en el estudio teórico y análisis de los algoritmos presentados en el artículo “Networks of Picture Processors with Filtering Based on Evaluation Sets as Solvers for Cryptographic Puzzles Based on Random Multivariate Quadratic Equations”. El objetivo es realizar una posible implementación de las redes de algoritmos estudiadas previamente para posteriormente poder evaluar la eficacia como solucionadores de puzles criptográficos complejos y entender su aplicación en la criptografía moderna.
Para ello, gracias a la información extraída del artículo, se genera todo lo necesario, es decir, ecuaciones a resolver, coeficientes para asignar, estructuras de datos para cubrir la red como las imágenes (pictures) para almacenar y procesar los datos así como los propios nodos de la red que realizarán el cómputo de dichos datos.
Como se discutirá en apartados posteriores, se ha demostrado que es más sencillo implementar y ejecutar el sistema si se dividen los archivos en dos módulos. El primero, relacionado con la fase previa a la red, incluye la preparación de los datos a través de un script en Python. Este script se encarga de generar las ecuaciones, los coeficientes y preparar un archivo de texto en un formato específico, que luego se leerá y asignará a una estructura de datos denominada picture.
El segundo consiste en el núcleo del programa, desarrollado en C++, que implementa la red y todo su cómputo. Este programa lee los datos del archivo de texto y los procesa capa por capa, siguiendo el procedimiento descrito en el artículo.
Con este desarrollo se pretende realizar una prueba de concepto que permita llevar la implementación del algoritmo propuesto en el artículo que sigue este TFG al nivel en el cual se pueda valorar la viabilidad de su implementación para la solución real de los puzles criptográficos a través de modelos computaciones como las Redes de Procesadores Bioínspirados.
Abstract:
This Final Degree Project (FDP) focuses on the theoretical study and analysis of the algorithms presented in the article “Networks of Picture Processors with Filtering Based on Evaluation Sets as Solvers for Cryptographic Puzzles Based on Random Multivariate Quadratic Equations”. The goal is to implement the previously studied algorithmic networks to evaluate their effectiveness as solvers for complex cryptographic puzzles and to understand their application in modern cryptography.
To achieve this, based on the information extracted from the article, all necessary components are generated. This includes the equations to be solved, coefficients to assign, data structures to cover the network, such as the pictures used to store and process data, as well as the network nodes that perform the computation of these data.
As will be discussed in later sections, it has been demonstrated that implementing and executing the system is simpler when dividing the files into two modules. The first module, related to the pre-network phase, involves data preparation through a Python script. This script is responsible for generating the equations, coefficients, and preparing a text file in a specific format, which is then read and assigned to a data structure called a picture.
The second module consists of the program’s core, developed in C++, which implements the network and its entire computation process. This program reads the data from the text file and processes them layer by layer, following the procedure described in the article.
This development aims to serve as a proof of concept, enabling the proposed algorithm from the article on which this FDP is based to be implemented at a level where the feasibility of using computational models, such as Bio-Inspired Processor Networks, for solving cryptographic puzzles can be evaluated.
Este Trabajo Fin de Grado (TFG) se centra en el estudio teórico y análisis de los algoritmos presentados en el artículo “Networks of Picture Processors with Filtering Based on Evaluation Sets as Solvers for Cryptographic Puzzles Based on Random Multivariate Quadratic Equations”. El objetivo es realizar una posible implementación de las redes de algoritmos estudiadas previamente para posteriormente poder evaluar la eficacia como solucionadores de puzles criptográficos complejos y entender su aplicación en la criptografía moderna.
Para ello, gracias a la información extraída del artículo, se genera todo lo necesario, es decir, ecuaciones a resolver, coeficientes para asignar, estructuras de datos para cubrir la red como las imágenes (pictures) para almacenar y procesar los datos así como los propios nodos de la red que realizarán el cómputo de dichos datos.
Como se discutirá en apartados posteriores, se ha demostrado que es más sencillo implementar y ejecutar el sistema si se dividen los archivos en dos módulos. El primero, relacionado con la fase previa a la red, incluye la preparación de los datos a través de un script en Python. Este script se encarga de generar las ecuaciones, los coeficientes y preparar un archivo de texto en un formato específico, que luego se leerá y asignará a una estructura de datos denominada picture.
El segundo consiste en el núcleo del programa, desarrollado en C++, que implementa la red y todo su cómputo. Este programa lee los datos del archivo de texto y los procesa capa por capa, siguiendo el procedimiento descrito en el artículo.
Con este desarrollo se pretende realizar una prueba de concepto que permita llevar la implementación del algoritmo propuesto en el artículo que sigue este TFG al nivel en el cual se pueda valorar la viabilidad de su implementación para la solución real de los puzles criptográficos a través de modelos computaciones como las Redes de Procesadores Bioínspirados.
Abstract:
This Final Degree Project (FDP) focuses on the theoretical study and analysis of the algorithms presented in the article “Networks of Picture Processors with Filtering Based on Evaluation Sets as Solvers for Cryptographic Puzzles Based on Random Multivariate Quadratic Equations”. The goal is to implement the previously studied algorithmic networks to evaluate their effectiveness as solvers for complex cryptographic puzzles and to understand their application in modern cryptography.
To achieve this, based on the information extracted from the article, all necessary components are generated. This includes the equations to be solved, coefficients to assign, data structures to cover the network, such as the pictures used to store and process data, as well as the network nodes that perform the computation of these data.
As will be discussed in later sections, it has been demonstrated that implementing and executing the system is simpler when dividing the files into two modules. The first module, related to the pre-network phase, involves data preparation through a Python script. This script is responsible for generating the equations, coefficients, and preparing a text file in a specific format, which is then read and assigned to a data structure called a picture.
The second module consists of the program’s core, developed in C++, which implements the network and its entire computation process. This program reads the data from the text file and processes them layer by layer, following the procedure described in the article.
This development aims to serve as a proof of concept, enabling the proposed algorithm from the article on which this FDP is based to be implemented at a level where the feasibility of using computational models, such as Bio-Inspired Processor Networks, for solving cryptographic puzzles can be evaluated. Read More
Related posts:
Revisión sistemática de la literatura sobre privacidad de datos en aplicaciones móviles
Seguridad y privacidad en las redes 5g: una revisión sistemática de la literatura
Navigation of mobile robots using neural networks and genetic algorithms
Big data: Desafíos y oportunidades en el sector transporte
Optimización y evaluación de Graph Neural Networks para la predicción de efectos secundarios en el conjunto de datos ogbl-ddi
La logística: eje estratégico en la transformación de los negocios