ارائه الگوریتمی نوین برای تولید امضاء دیجیتالی مبتنی بر سیستم اعداد مانده ای و دنباله ای DNA
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,702
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF01_101
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
گرایش روز افزون به استفاده از فناوری اطلاعات و گسترش سریع و ناگزیر تجارت الکترونیک در سطح بی نالمللی، پیش بینی ساز و کارهای حقوقی لازم در این خصوص را ایجاب می کند .با توجه به ماهیت مجازی و غیر مادی مبادلات الکترونیک یکی از مهمترین مسائل از دید حقوقی اثبات این مبادلات و هویت طرفین آن است .امضای دیجیتال چنین امری را ممکن می سازد. در این مقاله الگوریتمی نوین برای تولید امضاء دیجیتالی بر پایه دو سیستم محاسباتی نامتعارف مولکولی و اعداد مانده ای ارائه می گردد، در الگوریتم پیشنهادی ابتدا با استفاده از استخراج خواص یک سند یک کلید عمومی برای رمزنگاری سند به دست آمده و سپس سند به فضای مولکولی تبدیل شده و به صورت مجموع های از نوکلوئیدها، با کلید بدست آمده ترکیب می گردد، سند رمز شده جدید با استفاده از یک کلید خصوصی که متشکل از 128 نوکلئوتید می باشد به عصاره خود که با توجه به کلید خصوصی دارای 128 نوکلئوتید است تبدیل می گردد، در نهایت عصاره سند به کمک سیستم اعداد مانده ای و پیمانه n- 1،2 رمز شده و عصاره پیام رمز شده به فضای مولکولی منتقل و به صورت دنباله ای از نوکلئوتیدها به عنوان امضاء( n,2n+1 دیجیتالی سند مورد استفاده قرار می گیرد .بررسی خروج یهای الگوریتم نشان می دهد که الگوریتم پیشنهادی با بهره گیری از پلتفرم های موازی و سیستم های عددی نامتعارف توانسته است، علاوه بر افزایش سرعت و کارایی و رعایت قوانین حاکم بر یک امضاء دیجیتالی، امضاء را برای اسنادی با اندازه های کوچک و به همراه کاهش شباهت اسناد، تولید نماید
کلیدواژه ها:
نویسندگان
محمد قرمز کن
دانشجوی کارشناسی ارشد دانشکده کامپیوتر دانشگاه آزاد اسلامی واحد دزفول
مهدی قرمز کن
دانشجوی کارشناسی ارشد دانشکده کامپیوتر دانشگاه آزاد اسلامی دلیجان واحد جاسب
محمد خیراندیش
هیات علمی دانشکده کامپیوتر دانشگاه آزاد اسلامی واحد دزفول
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :