Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/47022
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorPattarasinee Bhattarakosol-
dc.contributor.advisorSoraj Hongladarom-
dc.contributor.authorVasin Suttichaya-
dc.contributor.otherChulalongkorn University. Faculty of Science-
dc.date.accessioned2015-12-28T06:55:11Z-
dc.date.available2015-12-28T06:55:11Z-
dc.date.issued2011-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/47022-
dc.descriptionThesis (Ph.D.)--Chulalongkorn University, 2011en_US
dc.description.abstractPseudorandom generator is the important cryptographic primitive. It expands the real short random sequence to the longer sequence that is hard to predict. These random sequences from pseudorandom generator are used as the secret keys, salts, nonces, and so on. It is impossible to construct the cryptosystems that do not use any random numbers. This thesis mainly devotes to theoretical analysis on pseudorandom generators and stream ciphers. The theoretical analysis on the distinguishing attack is also involved in this dissertation. The proposed distinguishing attack is based on binomial hypothesis testing, which is differ from the traditional distinguishing attack. This approach has an advantage when the memory is limited. The hybrid method between pseudorandom generator and stream cipher is proposed. The hybrid generator obtains high performance over the prototype pseudorandom generator. Moreover, the security proof shows that the hybrid generator also gains high security over the prototype stream cipher. This research also proposes the construction of extremely secure pseudorandom generator. The proposed pseudorandom generator is based on the hardness assumption of Learning with Error problem. The proof shows that the problem of distinguishing the random outputs from the proposed generator is at least as hard as solving Learning with Error problem, which cannot efficiently solve by any quantum computers. This research also works on theoretical analysis of the robustness of Learning Parity with Noise assumption when the secret information is leaked. The theoretical analysis shows that Learning Parity with Noise remains secure in the leaky-key environment but the security parameter is reduced to the min-entropy that is left in the secret key. The robustness property of Learning Parity with Noise assumption can be used to construct the leakage-resilient cryptosystems.en_US
dc.description.abstractalternativeตัวก่อกำเนิดบิตสุ่มเทียมเป็นขั้นตอนวิธีสำหรับสร้างเลขสุ่มเทียมจำนวนมากจากเลขสุ่มที่แท้จริงจำนวนน้อย เลขสุ่มเทียมที่ปลอดภัยจะต้องไม่มีขั้นตอนวิธีที่มีประสิทธิภาพสำหรับจำแนกเลขสุ่มเทียมออกจากเลขสุ่มที่แท้จริง เลขสุ่มเทียมถูกนำไปใช้ในงานด้านต่างๆ ของวิทยาการรหัสลับ เช่น ใช้เป็นกุญแจสำหรับการเข้ารหัสเป็นต้น ในงานวิจัยนี้ได้เสนอการวิเคราะห์ทางทฤษฎีของวิธีการโจมตีการเข้ารหัสแบบสตรีมไซเฟอร์ และการสร้างเครื่องสร้างเลขสุ่มเทียมที่มีประสิทธิภาพและความปลอดภัยมากขึ้นการโจมตีสตรีมไซเฟอร์ที่นำเสนอในงานวิจัยนี้มีข้อได้เปรียบเหนือการโจมตีทั่วไปในด้านความสามารถในการระบุจำนวนข้อมูลที่ต้องใช้ในการโจมตีและความถูกต้องในการทำงานเมื่อทรัพยากรมีจำกัด งานวิจัยนี้ได้นำเสนอตัวก่อกำเนิดบิตสุ่มเทียมแบบผสมผสานกับอัลกอรึทึมเข้ารหัสแบบสตรีมไซเฟอร์เพื่อให้ได้ความปลอดภัยและประสิทธิภาพที่มากขึ้น งานวิจัยนี้ได้เสนอตัวก่อกำเนิดบิตสุ่มเทียมที่มีความปลอดภัยยิ่งยวดและสามารถต้านทานการโจมตีจากเทคโนโลยีควอนตัมคอมพิวเตอร์ ซึ่งความปลอดภัยดังกล่าวเหนือกว่าตัวก่อกำเนิดบิตสุ่มเทียมที่ใช้อยู่ในปัจจุบันมาก และยังได้ศึกษาความปลอดภัยของสมมติฐานทางการเข้ารหัสเมื่อข้อมูลบางส่วนของกุญแจสำหรับเข้ารหัสถูกล่วงรู้โดยผู้โจมตีen_US
dc.language.isoenen_US
dc.publisherChulalongkorn Universityen_US
dc.rightsChulalongkorn Universityen_US
dc.subjectRandom number generatorsen_US
dc.subjectCryptographyen_US
dc.subjectตัวกำเนิดจำนวนสุ่มen_US
dc.subjectวิทยาการรหัสลับen_US
dc.titlePseudo-random bit generator for high-speed cryptographyen_US
dc.title.alternativeตัวก่อกำเนิดบิตสุ่มเทียมสำหรับวิทยาการรหัสลับความเร็วสูงen_US
dc.typeThesisen_US
dc.degree.nameDoctor of Philosophyen_US
dc.degree.levelDoctoral Degreeen_US
dc.degree.disciplineComputer Scienceen_US
dc.degree.grantorChulalongkorn Universityen_US
dc.email.advisorbpattara@.sc.chula.ac.th-
dc.email.advisorSoraj.H@chula.ac.th-
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
vasin_su.pdf1.03 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.