首页/论文/0707.4032

arXiv 0707.40322007-07-27cs.CRcs.NE

基于神经网络的单向Hash函数

One-way Hash Function Based on Neural Network

Shiguo Lian, Jinsheng Sun, Zhiquan Wang

备注：: 7 pages,5 figures,submitted

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

基于三层神经网络构造了一个哈希函数。三层神经元分别实现了数据的混淆、扩散和压缩，并提出了支持变长明文的多块哈希模式。理论分析和实验结果表明，该散列函数是单向的，具有较高的密钥敏感性和明文敏感性，并且能够抵抗生日攻击和中间相遇攻击。另外，神经网络的特性使得并行实现成为可能。这些属性使其成为数据签名或身份验证的合适选择。

英文摘要：

A hash function is constructed based on a three-layer neural network. The three neuron-layers are used to realize data confusion, diffusion and compression respectively, and the multi-block hash mode is presented to support the plaintext with variable length. Theoretical analysis and experimental results show that this hash function is one-way, with high key sensitivity and plaintext sensitivity, and secure against birthday attacks or meet-in-the-middle attacks. Additionally, the neural network's property makes it practical to realize in a parallel way. These properties make it a suitable choice for data signature or authentication.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于神经哈希的灰度图像认证

Grayscale Image Authentication using Neural Hashing

已经提出了用于基于神经网络的散列函数的许多不同方法。统计分析必须将它们的安全性联系起来。提出了一种新的灰度图像认证的神经哈希方法。建议的系统是快速，健壮，有用和安全的。提出的哈希函数利用神经网络的单向性和非线性技术生成哈希值。最后对该系统进行了安全性和性能分析，取得了满意的结果.这些特征是人们宁愿选择传统特征而不选择传统特征的主要原因。

2017-03-02cs.CR

利用模糊位和神经网络部分反演几轮密码散列函数

Using fuzzy bits and neural networks to partially invert few rounds of some cryptographic hash functions

Oles Honchar Dnipro National University（奥列格·洪查尔第聂伯国立大学）

我们考虑模糊位或连续位，它们取[0;1]和（-1 1]而不是{0;1}中的值，以及对它们的操作（NOT，XOR等）。并且在它们的序列（ADD）上，获得用于由模糊比特组成的消息的密码散列函数CHF的一般化，使得CHF成为消息的每个比特的平滑和非常数函数。然后，我们训练神经网络来预测具有给定散列的消息，其中预测消息的散列和给定真实散列的损失函数是反向传播的。给出并比较了标准CHF- MD5、SHA1、SHA 2 -256和SHA 3/SHA 256-的训练结果，其中包含少量（可选的弱化）轮次。

2019-01-08cs.CRcs.LGcs.NE

HASHTAG：用于在线检测深度神经网络故障注入攻击的哈希签名

HASHTAG: Hash Signatures for Online Detection of Fault-Injection Attacks on Deep Neural Networks

UC San Diego（加州大学圣地亚哥分校）

我们提出了HASHTAG，这是第一个能够高精度检测深度神经网络（DNN）故障注入攻击的框架，具有可证明的检测性能界限。故障注入攻击的最新文献显示，位翻转导致DNN精度严重下降。在这种情况下，攻击者在DNN执行期间通过篡改程序的DRAM存储器来更改一些权重位。为了检测运行时位翻转，HASHTAG在部署之前从良性DNN中提取唯一签名。该签名稍后用于验证DNN的完整性，并在运行中验证推理输出。我们提出了一种新的灵敏度分析方案，可以准确识别最容易受到故障注入攻击的DNN层。然后，通过使用低冲突哈希函数对脆弱层中的底层权重进行编码来构建DNN签名。当部署DNN时，在推理期间从目标层提取新的哈希，并与地面真实签名进行比较。HASHTAG采用了一种轻量级的方法，可确保在嵌入式平台上进行低开销和实时的故障检测。对各种DNN进行的最先进的位翻转攻击的广泛评估证明了HASHTAG在攻击检测和执行开销方面的竞争优势。

2021-11-02cs.AIcs.CRcs.LG

单向Hash链就地恢复的二进制卵石算法

Binary Pebbling Algorithms for In-Place Reversal of One-Way Hash Chains

我们提出了最佳的二进制卵石算法的单向哈希链的原地反转（向后遍历）。对于长度为$2^k$的散列链，在每个输出轮中执行的散列的数量不超过$\lceil k/2 \rceil$，而整个过程中存储的散列值（pebble）的数量至多为$k$。我们介绍了一个框架，严格比较显式二进制卵石算法，包括简单的速度-1二进制卵石，雅各布森的速度-2二进制卵石，我们的最佳二进制卵石算法。明确的时间表描述了每个pebble在每一轮中需要执行多少次哈希。最优调度本质上是唯一的，并呈现出一个很好的递归结构，这允许完全优化的实现，可以很容易地部署。特别是，我们开发了第一个具有最小存储开销（本质上，只存储哈希值）的就地实现，以及具有最小计算开销的快速实现。

2018-02-11cs.CRcs.DS

HashTran-DNN：一个增强深度神经网络对对抗性恶意软件样本鲁棒性的框架

HashTran-DNN: A Framework for Enhancing Robustness of Deep Neural Networks against Adversarial Malware Samples

Nanjing University of Science and Technology（南京理工大学）；Florida International University（佛罗里达国际大学）；Nanjing University of Posts and Telecommunications（南京邮电大学）；University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）

在图像处理和相关应用的背景下的对抗性机器学习已经受到了大量的关注。然而，对抗性机器学习，特别是对抗性深度学习，在恶意软件检测的背景下，尽管其明显的重要性，但受到的关注要少得多。在本文中，我们提出了一个用于增强深度神经网络（DNN）对对抗性恶意软件样本的鲁棒性的框架，称为哈希变换深度神经网络（HashTran-DNN）。其核心思想是使用具有一定局部保持特性的哈希函数来转换样本，以增强DNN在恶意软件分类中的鲁棒性。该框架进一步使用去噪自动编码器（DAE）正则化器来重建样本的哈希表示，使生成的DNN分类器能够获得潜在空间中的位置信息。我们用HashTran-DNN框架的两个具体实例来对Android恶意软件进行分类。实验结果表明，四种已知的攻击可以使标准DNN在分类Android恶意软件时变得无用，已知的防御最多可以防御四种攻击中的三种，而HashTran-DNN可以有效地防御所有四种攻击。

2018-09-18cs.CRcs.LGstat.ML

哈希水印作为过滤器：在基于权重的神经网络水印中对抗伪造和覆盖攻击

Hashed Watermark as a Filter: Defeating Forging and Overwriting Attacks in Weight-based Neural Network Watermarking

NeuralMark通过哈希水印过滤器和平均池化技术，提升基于权重的神经网络水印鲁棒性，有效防御伪造和覆盖攻击。

2025-11-26cs.CRcs.LG

更多相关论文收起更多论文

多维Hash链及其在小额支付中的应用

Multi-Dimensional Hash Chains and Application to Micropayment Schemes

单向哈希链由于其简单性和效率而被用于许多小额支付方案中。在本文中，我们引入了多维哈希链的概念，这是一个新的推广传统的单向哈希链。我们表明，这种结构具有存储计算复杂性的O（logN）每个链元素，这是在最近的文献中报道的最好的结果相媲美。基于多维哈希链，我们提出了两个类现金的小额支付方案，这两个方案在效率和安全性方面具有许多优势。我们还指出了通过使用多维哈希链对PayWord和类似方案的一些可能的改进

2005-03-23cs.CR

用于盗版检测与篡改定位的基于高阶统计与混沌映射的轻量级CNN模型哈希

Lightweight CNN Model Hashing with Higher-Order Statistics and Chaotic Mapping for Piracy Detection and Tamper Localization

提出一种轻量级CNN模型哈希技术，结合高阶统计特征与混沌映射机制，无需辅助训练即可实现高效的盗版检测与精确的篡改定位，用于模型版权保护与完整性验证。

2025-10-31cs.CR

一种高效的基于Hash函数的多用户多秘密共享方案

An efficient multi-use multi-secret sharing scheme based on hash function

本文提出了一种基于单向抗冲突哈希函数的可更新、多用途、多秘密共享方案，该方案适用于一般的接入结构，每个参与者只需携带一份秘密。通过使用抗碰撞的单向散列函数，即使伪秘密份额被泄露，所提出的方案也是安全的。此外，避免了模乘、取幂和求逆等高复杂度运算，以提高其效率。最后，在所提出的方案中，合并器和参与者都可以验证他们之间交换的信息的正确性。

2011-03-09cs.CR

熵同步神经哈希用于无监督勒索软件检测

Entropy-Synchronized Neural Hashing for Unsupervised Ransomware Detection

提出熵同步神经哈希（ESNH）框架，利用熵驱动的哈希表示和神经网络同步，实现对勒索软件的无监督检测，在识别新型威胁、降低误报和抵抗混淆规避方面优于传统方法。

2025-03-25cs.AIcs.CR

实用单向Hash算法中GF（2）的一类不可逆矩阵

A Class of Non Invertible Matrices in GF (2) for Practical One Way Hash Algorithm

本文描述了GF（2）中的不可逆矩阵，它可以作为单向散列算法Hill密码技术中的乘法矩阵。所提出的矩阵是置换矩阵，每行和每列都只有一个元素1，其他地方为0。这样的矩阵表示m个元素的置换。自发明以来，希尔密码算法被用于对称加密，其中乘法矩阵是密钥。希尔密码需要矩阵的逆来从密文恢复明文。提出了GF（2）中一类不可逆且易于生成的矩阵。

2012-10-06cs.CR

一种基于单向Hash函数的可验证秘密共享方法

A Novel Approach for Verifiable Secret Sharing by using a One Way Hash Function

门限秘密共享方案不能防止交易者或股东的任何恶意行为，因此需要可验证的秘密共享，以检测和识别欺诈者，实现秘密的公平重构。可验证秘密共享问题是对分发者分发的秘密进行验证。本文提出了一种新的可验证秘密共享方法，其中交易者和股东都不是诚实的。在本文中，我们扩展了可验证的秘密共享，以验证的份额，分发的经销商以及股份提交的秘密重建，并验证重建的秘密。我们提出的方案使用单向哈希函数和概率同态加密函数来提供可验证性和秘密的公平重构。

2012-03-16cs.CR

带饼干（cookies）的凯莱哈希

Cayley hashing with cookies

本文提出“带饼干的凯莱哈希”方法，利用F_p上2x2矩阵作为半群，在保留凯莱哈希增量更新优势的同时，消除其易受第二原像攻击的隐患。

2024-02-07cs.CRmath.GRmath.PR

基于离散和混沌迭代的键控Hash函数性能分析

Performance Analysis of a Keyed Hash Function based on Discrete and Chaotic Proven Iterations

通过互联网传送的信息的安全是国际关注的问题。这种安全性由哈希函数等工具保证。然而，由于最近在该领域的当前标准中发现了安全缺陷，因此必须研究新的散列数字媒体的方法。在本文档中，评估原始的带密钥的散列函数。它基于混沌迭代，因此具有均匀重分配和对初始条件敏感等各种拓扑性质。这些属性使我们的哈希函数满足该领域的要求。在这项研究工作中，除其他外，通过实现扩散和混淆的模拟，定性和实验验证了这一说法。

2011-12-06cs.CR

GB-hash：使用Groebner基的哈希函数

GB-hash : Hash Functions Using Groebner Basis

在本文中，我们提出了一个改进版本的HF哈希，即，GB-hash：使用Groebner基的哈希函数。在HF散列的情况下，压缩函数由具有64个变量的32个多项式组成，这些变量通过将最后16个变量强制为0而从隐场方程挑战-1的前32个多项式中取出。在GB哈希中，我们设计了压缩函数，使得这32个具有64个变量的多项式形成了它们相对于分级字典序（grlex）排序以及相对于分级反向字典序（grevlex）排序所生成的理想的最小Groebner基础。在本文中，我们将证明GB-哈希比HF-哈希更安全，也比SHA-256更安全。我们还比较了我们的GB哈希与SHA-256和HF哈希的效率。

2011-08-30cs.CRmath.AC

基于混沌迭代的Hash函数的扩散与混淆

Diffusion and confusion of chaotic iteration based hash functions

为了保证通过互联网传输的数据的完整性和安全性，哈希函数是基本的工具。但近年来的研究表明，目前应用最广泛的哈希函数都存在安全缺陷。因此迫切需要一种新的方法来提高其安全性能。在这篇文章中，我们提出了新的哈希函数的基础上混沌迭代，具有混沌性质定义的Devaney。提供了相应的扩散和混淆分析，并对所提出的散列函数进行了比较研究，使其更适用于任何安全环境。

2017-08-09cs.CRnlin.CD

DeepBF：使用学习布隆过滤器和进化深度学习检测恶意URL

DeepBF: Malicious URL detection using Learned Bloom Filter and Evolutionary Deep Learning

National Institute of Technology Silchar（西尔查尔国家理工学院）

恶意URL检测是一个新兴的研究领域，由于各种系统的不断现代化，例如边缘计算。在本文中，我们提出了一种新的恶意URL检测技术，称为deepBF（深度学习和Bloom Filter）。deepBF有两种形式。首先，我们提出了一个学习的布隆过滤器使用二维布隆过滤器。我们通过实验确定了最佳的非加密字符串哈希函数。然后，我们通过在散列方法中引入偏差并比较字符串散列函数，从为deepBF选择的散列函数中推导出修改的非加密字符串散列函数。将修改后的字符串散列函数与各种非密码字符串散列函数的其他变体进行比较。它还与各种过滤器进行了比较，特别是使用各种用例计数Bloom Filter，Kirsch \textit{et al.}和Cuckoo Filter。用例揭示了过滤器的弱点和优点。其次，我们提出了一种基于deepBF的恶意URL检测机制。我们应用进化卷积神经网络来识别恶意网址。进化卷积神经网络的训练和测试与恶意URL数据集。在deepBF中测试输出的准确性。我们已经取得了许多结论，从我们的实验评估和结果，并能够达到各种结论性的决定，这是在文章中。

2022-02-26cs.AIcs.CRcs.CV

Cayley图的围长与Cayley哈希函数

Girth of the Cayley graph and Cayley hash functions

本文综述已有Cayley哈希函数，利用半群元素乘法实现可增量更新的哈希，并选出一种安全性至今未被攻破的简单方案。

2025-02-18cs.CRmath.GR

使用混沌迭代的哈希函数

Hash functions using chaotic iterations

本文给出了动力系统领域中离散混沌迭代的一种新形式。它们的拓扑性质进行了研究：它是数学证明，在某些条件下，这些迭代具有Devaney意义上的混沌行为。这种混沌行为使我们能够提出一种生成新哈希函数的方法。为了说明如何将我们的理论研究应用于实践，详细说明了一个例证。

2017-02-08cs.CR

一种混沌密钥Hash函数的性质分析

Quality Analysis of a Chaotic Proven Keyed Hash Function

哈希函数是一种加密工具，主要用于完整性检查和密码存储。它们对于提高通过因特网进行交流的安全性至关重要。然而，由于最近在该领域的当前标准中发现了安全缺陷，因此必须研究新的散列数字数据的方法。在本文档中，评估原始的带密钥的散列函数。它基于异步迭代，导致已被证明是混乱的函数。因此，它具有各种拓扑性质的一致性和敏感性，其初始条件。这些属性使我们的哈希函数满足该领域的既定安全要求。在这项研究工作中，这一说法得到了定性的证明和实验的验证，其中包括实现了大量的模拟。

2016-08-21cs.CR

不可达熵II：IE函数和通用单向散列

Inaccessible Entropy II: IE Functions and Universal One-Way Hashing

本文使用\emph{inaccessible entropy}概念的一个变体（Haitner，Reingold，Vadhan and Wee，STOC 2009），给出了一个替代的构造和证明，证明了Rompel（STOC 1990）首先证明的基本结果，即\emph{Universal One-Way Hash Functions (UOWHFs)}可以基于任何单向函数。我们观察到，任何单向函数$f$的一个小调整都已经是UOWHF的弱形式：考虑返回$f(x)$的$i$位长前缀的函数$F(x,i)$。如果$F$是一个UOWHF，那么给定一个随机的$x$和$i$，就很难得出$x'\neq x$，使得$F(x,i)=F(x',i)$。虽然这可能不是这种情况下，我们表明（相当容易），这是很难采样$x'$与几乎全熵之间的所有可能的这样的值$x'$。我们的构造的其余部分只是放大和利用了这个基本属性。结合其他最近的工作，单向函数的三个基本密码原语（伪随机生成器，统计隐藏承诺和UOWHF）的构造现在在很大程度上是统一的。特别是，所有这三种结构都以类似的方式依赖和操纵熵的计算概念。伪随机生成器依赖于伪熵的概念，而统计隐藏承诺和UOWHF依赖于不可访问熵的新概念。

2021-05-04cs.CCcs.CR

椭圆曲线多集哈希

Elliptic Curve Multiset Hash

一个同态或增量的多集哈希函数，将一个哈希值与任意的对象集合（可能有重复）相关联，使得两个集合的并集的哈希值很容易从两个集合本身的哈希值计算出来：它只是它们在一个合适的组运算下的总和。特别地，可以递增地和/或并行地计算大集合的散列值。因此，同态散列是一个非常有用的原语，其应用范围从数据库完整性验证到流集/多集比较和网络编码。不幸的是，文献中同态散列函数的构造受到两个主要缺点的阻碍：它们往往比相同安全级别的普通散列函数长得多（例如，为了实现2^128的抗冲突性，它们的长度为几千位，而普通散列函数的长度为256位），并且它们也相当慢。在本文中，我们介绍了椭圆曲线多集哈希（ECMH），它结合了一个常见的位串值哈希函数，如BLAKE 2与一个有效的编码到二进制椭圆曲线，以克服这两个困难。一方面，ECMH哈希表的大小本质上是最优的：2 m位哈希值提供O（2^m）的抗冲突性。另一方面，我们展示了一个高效的软件实现ECMH，我们彻底的实证评估表明，能够处理超过300万集元素每秒4 GHz的英特尔Haswell机在128位安全级别-许多倍的速度比以前的实际方法。

2016-01-25cs.CR