Earticle

초록

영어

Interacting neural networks have been calculated analytically. At each training step two networks receive a common random input vector and learn their mutual output bits. In 2005, Chen-Cai proposed a novel remote user authentication scheme based on interacting neural network learning. The current paper, however, demonstrates that Chen-Cai’s scheme is vulnerable to a replay attack and an insider attack, and then an improved scheme was presented in order to resolve such problems.

한국어

상호작용하는 뉴럴 네트워크는 분석적으로 계산되어진다. 각 학습 스텝마다 두 개의 네트워크는 공통적인 임의의 입력 벡터를 받게 되고, 상호 출력 비트들을 배우게 된다. 2005년에 Chen-Cai는 상호작용 뉴럴 네트워크 학습 기반의 새로운 원격 사용자 인증 스킴을 제안했다. 그러나 본 논문에서는 Chen-Cai의 스킴이 재생 공격과 내부 공격자에 취약함을 보여주고, 그러한 문제를 해결하기 위한 향상된 스킴을 제안한다.

목차

요 약
 Abstract
 1. Introduction
 2. Chen-Cai's remote user authentication scheme
  2.1 Notations
  2.2 Chen-Cai's scheme
 3. Drawbacks of Chen-Cai‘s scheme
  3.1 Replay attack
  3.2 Insider Attack
 4. Proposed remote user authentication scheme
  4.1 Registration phase
  4.2 Authentication phase
 5. Security analysis
 6. Conclusion
 참고문헌

키워드

저자

• 윤은준 [ Eun-Jun Yoon | 대구산업정보대학 컴퓨터정보계열 교수. ]
• 유기영 [ Kee-Young Yoo | 경북대학교 컴퓨터공학과 교수. ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  보안공학연구논문지 [Journal of Security Engineering]

• 간기

  계간

• pISSN

  1738-7531

• 수록기간

  2005~2017

• 십진분류

  KDC 505 DDC 605