암호 및 보안 시스템에 핵심적으로 사용되는 ‘최소 엔트로피(Minimum Entropy)’
[보안뉴스 박미영 기자] DGIST 정보통신융합전공 김용준 교수팀은 암호 및 보안 시스템에 핵심적으로 사용되는 ‘최소 엔트로피(Minimum Entropy)’를 효율적이고 정확하게 추정하는 두 가지 알고리즘을 개발했다.
김 교수팀이 개발한 알고리즘은 기존 암호학적 알고리즘에 정보이론과 기계학습 방법론을 접목한 새로운 알고리즘으로, 미국표준기술연구소(NIST)의 표준 알고리즘보다 500배 더 빠른 최소 엔트로피 추정이 가능해 향후 정보보호 및 보안의 중요성이 더욱 증대되는 4차 산업혁명 분야에 다양하게 응용될 수 있을 것으로 기대된다.
‘엔트로피(Entropy)’는 정보이론적 관점에서 평균 정보량을 의미한다. 엔트로피가 낮으면 정보의 예측성이 높고 확정적인 정보가 많아, 굳이 정보를 전송하지 않아도 되므로 평균 정보량이 적다. 엔트로피가 높을 경우, 정보의 예측성이 낮고 그에 따라 정보량이 많아짐으로써 평균 정보량도 상승한다.
난수(亂數)는 암호 시스템의 핵심 구성 요소로, 난수의 무작위성이 암호 시스템의 보안 수준을 결정한다. 이러한 난수의 무작위성을 정량화하기 위해서 NIST는 ‘최소 엔트로피’ 추정을 통해 정량화할 것을 제안한다. 이때 최소 엔트로피는 특정 알고리즘을 적용해 결정하는데, NIST는 이러한 알고리즘의 표준으로 ‘압축 추정기(Compression Estimator)’를 채택하고 있다. 하지만 압축 추정기는 연산 복잡도가 높고, 추정 결과에 편향성이 존재하는 등 문제점이 있다.
이에 김용준 교수팀은 기존의 압축 추정기보다도 계산 효율과 추정 정확도를 향상시킨 알고리즘을 개발했다. 먼저 기존의 암호학적 알고리즘에 정보이론과 기계학습의 방법론을 적용한 새로운 최소 엔트로피 추정 알고리즘은 추정 정확도를 유지하면서도 NIST 표준 알고리즘 대비 500배 이상 빠른 속도로 최소 엔트로피 추정이 가능하다. 또한 데이터 샘플을 모두 저장하지 않고도 효율적으로 최소 엔트로피를 추정함으로써 편향성 문제를 개선할 수 있는 새로운 경량 추정 알고리즘도 함께 제안했다.
DGIST 정보통신융합전공 김용준 교수는 “최소 엔트로피 추정 방법 관련해서 NIST 표준 문서를 검토하던 중 정보이론과 기계학습의 방법론을 적용해 기존의 NIST 표준 알고리즘보다 연산 속도와 추정 정확도를 획기적으로 개선할 수 있는 방법을 생각하게 됐다”며, “개발한 알고리즘이 기존 NIST 표준 알고리즘과 동일하게 정확할 뿐만 아니라 500배 빠른 추정이 가능한 만큼, 새롭게 개발한 알고리즘이 NIST의 표준 알고리즘으로 채택될 수 있도록 노력 중”이라고 말했다.
한편, 이번 연구는 DGIST 정보통신융합전공 김용준 교수가 제 1저자로 참여했다. 연구 결과는 컴퓨터과학 및 이론 분야의 최우수 학술지인 ‘IEEE Transactions on Information Forensics and Security’에 4월 1일 온라인 게재됐다.
[박미영 기자(mypark@boannews.com)]
[보안뉴스 박미영 기자] DGIST 정보통신융합전공 김용준 교수팀은 암호 및 보안 시스템에 핵심적으로 사용되는 ‘최소 엔트로피(Minimum Entropy)’를 효율적이고 정확하게 추정하는 두 가지 알고리즘을 개발했다.
[사진=DGIST]
김 교수팀이 개발한 알고리즘은 기존 암호학적 알고리즘에 정보이론과 기계학습 방법론을 접목한 새로운 알고리즘으로, 미국표준기술연구소(NIST)의 표준 알고리즘보다 500배 더 빠른 최소 엔트로피 추정이 가능해 향후 정보보호 및 보안의 중요성이 더욱 증대되는 4차 산업혁명 분야에 다양하게 응용될 수 있을 것으로 기대된다.
‘엔트로피(Entropy)’는 정보이론적 관점에서 평균 정보량을 의미한다. 엔트로피가 낮으면 정보의 예측성이 높고 확정적인 정보가 많아, 굳이 정보를 전송하지 않아도 되므로 평균 정보량이 적다. 엔트로피가 높을 경우, 정보의 예측성이 낮고 그에 따라 정보량이 많아짐으로써 평균 정보량도 상승한다.
난수(亂數)는 암호 시스템의 핵심 구성 요소로, 난수의 무작위성이 암호 시스템의 보안 수준을 결정한다. 이러한 난수의 무작위성을 정량화하기 위해서 NIST는 ‘최소 엔트로피’ 추정을 통해 정량화할 것을 제안한다. 이때 최소 엔트로피는 특정 알고리즘을 적용해 결정하는데, NIST는 이러한 알고리즘의 표준으로 ‘압축 추정기(Compression Estimator)’를 채택하고 있다. 하지만 압축 추정기는 연산 복잡도가 높고, 추정 결과에 편향성이 존재하는 등 문제점이 있다.
이에 김용준 교수팀은 기존의 압축 추정기보다도 계산 효율과 추정 정확도를 향상시킨 알고리즘을 개발했다. 먼저 기존의 암호학적 알고리즘에 정보이론과 기계학습의 방법론을 적용한 새로운 최소 엔트로피 추정 알고리즘은 추정 정확도를 유지하면서도 NIST 표준 알고리즘 대비 500배 이상 빠른 속도로 최소 엔트로피 추정이 가능하다. 또한 데이터 샘플을 모두 저장하지 않고도 효율적으로 최소 엔트로피를 추정함으로써 편향성 문제를 개선할 수 있는 새로운 경량 추정 알고리즘도 함께 제안했다.
DGIST 정보통신융합전공 김용준 교수는 “최소 엔트로피 추정 방법 관련해서 NIST 표준 문서를 검토하던 중 정보이론과 기계학습의 방법론을 적용해 기존의 NIST 표준 알고리즘보다 연산 속도와 추정 정확도를 획기적으로 개선할 수 있는 방법을 생각하게 됐다”며, “개발한 알고리즘이 기존 NIST 표준 알고리즘과 동일하게 정확할 뿐만 아니라 500배 빠른 추정이 가능한 만큼, 새롭게 개발한 알고리즘이 NIST의 표준 알고리즘으로 채택될 수 있도록 노력 중”이라고 말했다.
한편, 이번 연구는 DGIST 정보통신융합전공 김용준 교수가 제 1저자로 참여했다. 연구 결과는 컴퓨터과학 및 이론 분야의 최우수 학술지인 ‘IEEE Transactions on Information Forensics and Security’에 4월 1일 온라인 게재됐다.
[박미영 기자(mypark@boannews.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
박미영기자 기사보기
[2024-09-26] 
.jpg)
