| Project/Area Number |
23K24846
|
|---|
| Project/Area Number (Other) |
22H03590 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60070:Information security-related
|
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
四方 順司 横浜国立大学, 大学院環境情報研究院, 教授 (30345483)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岩本 貢 電気通信大学, 大学院情報理工学研究科, 教授 (50377016)
白川 真一 横浜国立大学, 大学院環境情報研究院, 教授 (90633272)
有村 光晴 湘南工科大学, 情報学部, 講師 (80313427)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2025: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2024: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2023: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2022: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
|
|---|
| Keywords | 公開鍵暗号 / 安全性評価 / 識別不可能性 |
|---|
| Outline of Research at the Start |
現代暗号学において、公開鍵暗号の安全性として識別不可能性（IND）を考えることが標準的であるが、INDは計算困難問題の中でも判定問題の困難性に直接的に依存することが多い。本研究では、INDが依存する判定問題の困難性を、帰着計算量による評価技術の深化、情報理論及び統計的手法による評価技術の深化、機械学習による評価技術の開拓等、多角的視点から総合的に評価する新機軸システムを開発し、公開鍵暗号のIND安全性強度及び鍵サイズを現状よりも精密かつ定量的に評価する。
|
| Outline of Annual Research Achievements |
公開鍵暗号の安全性強度及び必要な鍵サイズを評価する際、従来のようにメジャーな計算問題への帰着及びその困難性を評価する手法だけに依るのではなく、多角的視点から、暗号技術の基盤となる判定問題の困難性を直接的かつ総合的に評価するシステムを研究開発することが本研究の目的である。また、評価システム開発にあたっては、数理構造及び帰着計算量による評価技術の深化、情報理論及び統計的手法による評価技術の深化、人工知能（機械学習）による評価技術の開拓、これら各専門領域から多角的にアプローチする研究を進め、その後、得られた解析結果の関連性と差異について学術的立場及び実証的立場から解析し、それら評価手法の背景にある仕組みを融合させることで、分野横断的技術として総合的評価システムを完成させる。
令和5年度は前年度における3つ研究アプローチをさらに発展させた。数理構造及び帰着計算量による研究アプローチの観点からは、緊密な帰着性をもつ複数の（高機能）暗号技術を研究対象とし、その基盤となる計算問題と暗号構成の間の帰着効率について深く解析しながら複数の（高機能）暗号技術を提案した。情報理論及び統計的手法による研究アプローチの観点からは、前年度に解析したLZ78符号に加えて更に広いクラスのデータ圧縮手法や符号化手法に関する解析を行った。人工知能（機械学習）による研究アプローチの観点からは、Deep Neural Network (DNN)を一般化加法モデルの形状関数として利用するNeural Additive Models (NAM)を対象に、学習するDNNの数を任意の数に減らす手法を提案した。以上より、令和5年度は上記3種類の研究アプローチの基礎的検討を発展させ、それぞれの観点から興味深い知見が得られたため、これら成果を判定問題の困難性に効果的に適用することが期待できる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和5年度の研究成果として、数理構造及び帰着計算量による研究アプローチ、情報理論及び統計的手法による研究アプローチ、人工知能（機械学習）による研究アプローチから基礎的な検討を更に進め、それぞれの観点から興味深い知見が得られたため、上記のように判断した。
|
| Strategy for Future Research Activity |
研究代表者及び研究分担者が連携して、これまで得られた研究成果や知見を利用して、数理構造及び帰着計算量による研究アプローチ、情報理論及び統計的手法による研究アプローチ、人工知能（機械学習）による研究アプローチから、判定問題の困難性の識別に効果的に適用する手法を構築する。また、これら多角的アプローチから得られた解析結果の関連性と差異について学術的立場及び実証的立場から解析しながら、暗号技術の基盤となる判定問題の困難性を総合的に評価するシステム開発を進めていき、本研究課題の解決を目指す。
|
