基于蜜罐加密算法的个人隐私数据保护

个人隐私数据的保护具有重要的意义。目前常使用基于口令的加密方法来保护个人隐私数据,该方法的安全性依赖于口令选择的强度,而用户往往会趋向于挑选简单的、易于预测的口令。当使用错误猜测的口令对消息进行解密时,该方法会输出无效的消息用以指示失败的攻击尝试,所以不能有效地抵御暴力攻击。因此,文章引入蜜罐加密算法来解决上述问题,在基于口令加密的基础上,引入分布式转换编码器的概念,当攻击者使用暴力穷举攻击对消息进行解密时,系统会提供看似有效的输出来迷惑攻击者。文章将蜜罐加密算法应用到个人电子钱包,以此来解决弱口令对于保护用户的银行卡账号及其密码的弱点问题。文章首先介绍蜜罐加密算法的基本思想;而后对该应用设计细粒度的消息空间以提供可信的引诱消息;首次引入机器学习的方法对蜜罐加密算法的安全性问题进行讨论。实验表明,蜜罐加密算法的安全性比现有基于口令加密算法的安全性更高,生成的引诱消息也足够难以区分。

蜜罐加密技术在私密数据保护中的应用

针对传统加密技术脆弱性问题,将蜜罐加密技术应用到身份证号码、手机号码和银行卡密码的保护中以保证数据存储安全。首先,分析阐述了蜜罐加密技术原理,并设计了对蜜罐加密系统分布式转换加密器;然后,抽象了消息空间,对系统进行实现和性能评估,发现性能开销问题并提出增强型机制。在蜜罐加密设计与实现中,考虑到均衡分布和随机分布的消息空间,并将其运用到对称加密算法和公钥加密机制。通过所提设计、系统实现和实验结果得出以下结论:1)由于性能问题,蜜罐加密技术更适合小的消息空间;2)设计消息空间时需要考虑周全,不能带来指纹特征,否则不能解决暴力破解脆弱性问题;3)蜜罐加密的保护能力随应用的不同而不同;4)对于不同的应用,蜜罐加密技术的实现需要定制。

云服务器分布式数据端到端加密传输算法仿真

个人隐私信息保护具有重要的研究意义,但传统蜜罐加密算法在抵御网络攻击上效率较低且稳定性较差。为解决上述问题,本文采用聚类算法优化DTE二次加密过程,大幅度减少了加、解码时间,提高了蜜罐算法的效率,通过与CTCDF网络结构有机融合,构建出KDC网络信息加密通信模型。模型首先基于k-modes聚类算法对优化数据进行分流处理;然后将分流失败的数据投入蜜罐算法中进行加密,以提升信息数据的安全性;接着利用优化调度制度的CTCDF构架对加密信息进行传输;最终采用加盐反运算与反向采样的方法,将加密信息进行明文解码。各基线模型仿真结果显示,在NKD和CID入侵检测数据上,KDC算法数据传输安全性平均提高了22.5%;且采用CTCDF网络后,较其它模型相比,KDC模型的加、解码时间降低了8.773%,内存资源占用量减少了1.245%,即KDC模型的效率更高。综上,KDC算法在CTCDF网络上减少了资源占用量与运算时间,且大幅度提高了数据的安全性,具有重要的仿真研究意义。