DOI: https://doi.org/10.1038/s41598-026-40797-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41748746
تاريخ النشر: 2026-02-26
المؤلف: N. Haritha وآخرون
الموضوع الرئيسي: أبحاث نظرية الأعداد التحليلية
نظرة عامة
تتناول البحث القضية الحرجة لمعالجة ونقل البيانات الحساسة بشكل آمن في العصر الرقمي من خلال اقتراح إطار عمل إيل غامال الشرطي. يستخدم هذا الإطار إما الأعداد الأولية التقليدية أو الأعداد الأولية رامانوجان لتوليد المفاتيح، اعتمادًا على حساسية البيانات، مع الحفاظ على عمليات التشفير وفك التشفير لنظام إيل غامال القياسي. يقيم الدراسة نماذج تعلم الآلة المختلفة لتصنيف البيانات إلى فئات عادية وحساسة للغاية، حيث حقق آلة الدعم المتجه (SVM) أعلى دقة متوسطة تبلغ 0.96 ± 0.058 تحت التحقق المتقاطع 5 مرات. يتم تشفير البيانات الحساسة العادية باستخدام طريقة إيل غامال القياسية، بينما تستخدم البيانات الحساسة للغاية النسخة المعدلة مع الأعداد الأولية رامانوجان.
تؤكد تحليل الأمان أن الإطار المقترح يحتفظ بضمانات الأمان لنظام إيل غامال القياسي ضد هجمات النص الواضح المعروفة (KPA) وهجمات النص الواضح المختارة (CPA)، مع تأثير الأعداد الأولية رامانوجان على عملية توليد المفاتيح فقط. بالإضافة إلى ذلك، تم تضمين رمز مصادقة الرسائل المعتمد على التجزئة لتعزيز مصداقية البيانات وموثوقيتها. من الجدير بالذكر أن وقت التشفير وفك التشفير ومعدل البيانات المتوسط للبيانات الحساسة للغاية أقل من تلك الخاصة بالبيانات الحساسة العادية، مما يشير إلى تقليل استخدام ذاكرة وحدة المعالجة المركزية للطريقة المقترحة. بشكل عام، يقدم هذا البحث بنية تشفيرية قوية مصممة للتعامل الآمن مع البيانات النصية.
مقدمة
تستعرض مقدمة ورقة البحث المبادئ الأساسية للتشفير، وهو علم تشفير البيانات لمنع الوصول غير المصرح به مع ضمان السرية والنزاهة والدقة. تميز بين نوعين رئيسيين من التشفير: التشفير المتماثل والتشفير غير المتماثل. يتطلب التشفير المتماثل أن يستخدم كل من المرسل والمستقبل نفس المفتاح لتشفير وفك تشفير الرسائل، كما يتضح من الخوارزميات مثل معيار التشفير المتقدم (AES) ومعيار تشفير البيانات (DES). بينما يكون التشفير المتماثل فعالًا، فإنه يشكل مخاطر أمنية إذا تم مشاركة المفتاح بشكل غير آمن.
على النقيض من ذلك، يستخدم التشفير غير المتماثل زوجًا من المفاتيح: مفتاح عام للتشفير، يتم مشاركته علنًا، ومفتاح خاص لفك التشفير، يبقى سريًا. يسمح هذه الطريقة بالتواصل الآمن حتى عندما يكون المفتاح العام متاحًا، حيث يمكن فقط لحامل المفتاح الخاص فك تشفير الرسائل. تشمل الخوارزميات غير المتماثلة البارزة خوارزميات إيل غامال وRSA. على الرغم من الأبحاث الواسعة حول كلا النظامين التشفيريين، تؤكد الورقة على الحاجة إلى خوارزميات تشفير وفك تشفير مبتكرة في البيئة الحالية التي تركز على البيانات. يركز هذا البحث على طريقة تشفير إيل غامال، ولا سيما نسخة جديدة تهدف إلى تعزيز فعاليتها.
طرق
تستعرض قسم المنهجية النهج المنظم المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، بما في ذلك التحليلات الإحصائية ودراسات الحالة، لضمان فهم شامل للظواهر قيد التحقيق. شملت جمع البيانات الاستطلاعات والتجارب، مع التركيز على الحصول على قياسات موثوقة وصحيحة.
تم إجراء التحليلات الإحصائية باستخدام أدوات البرمجيات لتقييم العلاقات بين المتغيرات، باستخدام تقنيات مثل تحليل الانحدار وANOVA. بالإضافة إلى ذلك، تم تحليل البيانات النوعية من خلال الترميز الموضوعي، مما سمح بتحديد الأنماط والرؤى التي تكمل النتائج الكمية. سهل هذا النهج المختلط فحصًا قويًا لأسئلة البحث، مما أدى في النهاية إلى استنتاجات هامة بشأن تأثير المتغيرات المدروسة.
النتائج
تشير نتائج الدراسة إلى اكتشافات هامة بشأن تصنيف البيانات وعمليات التشفير وفك التشفير. بعد تصنيف البيانات بنجاح، استخدمت البحث برنامجًا موحدًا للتشفير وفك التشفير، مع تقييم الأداء من خلال مقاييس مثل وقت التشغيل، ومعدل البيانات المتوسط (ADR)، ومعدل النقل (T). من الجدير بالذكر أن أوقات التشفير وفك التشفير لكل من البيانات الحساسة العادية والحساسة للغاية كانت أكبر عند استخدام HMAC (رمز مصادقة الرسائل المعتمد على التجزئة) مقارنة بالسيناريوهات بدون HMAC، مما يبرز زيادة كبيرة في وقت المعالجة المنسوبة إلى العبء الإضافي لتنفيذ HMAC.
تكشف التحليلات الإضافية، كما هو موضح في الجدول 6، أن معدل النقل (T) للبيانات الحساسة للغاية أقل من ذلك للبيانات الحساسة النموذجية، مما يشير إلى أن عملية التشفير للبيانات الحساسة للغاية تتطلب موارد أكثر. تشير هذه النتيجة إلى أن وحدة المعالجة المركزية (CPU) للإطار المقترح تعاني من استنزاف طاقة أعلى عند التعامل مع البيانات الحساسة للغاية، مما يبرز الحاجة إلى إدارة موارد فعالة في بروتوكولات تشفير البيانات.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على التطبيق المبتكر للأعداد الأولية رامانوجان في تعزيز طريقة تشفير إيل غامال، لا سيما لتأمين البيانات الحساسة للغاية. الأعداد الأولية رامانوجان، المعرفة بالشرط \( \pi(R_n) – \pi(R_{n^2}) \geq n \)، تقدم نهجًا جديدًا لتوليد المفاتيح في الأنظمة التشفيرية، مغايرة للأعداد الأولية التقليدية. تبرز الورقة النمو المتزايد للأعداد الأولية رامانوجان وتشير إلى دراسات متنوعة استكشفت خصائصها وآثارها في التشفير. يدمج الإطار المقترح تقنيات تعلم الآلة لتصنيف البيانات، مستخدمًا خوارزميات مثل الجيران الأقرب (KNN) وآلات الدعم المتجهة (SVM) لتصنيف البيانات بناءً على مستويات الحساسية، مما يحسن عملية التشفير.
تشير نتائج البحث إلى أن نظام تشفير إيل غامال المعدل، الذي يستخدم الأعداد الأولية رامانوجان، يحتفظ بفرضيات الأمان لنظام إيل غامال القياسي ضد هجمات النص الواضح المعروفة وهجمات النص الواضح المختارة. توضح الدراسة أن هذا النهج لا يعزز الأمان فحسب، بل يحسن أيضًا الكفاءة التشغيلية من خلال تقليل العبء المعالج المرتبط بتصنيف البيانات. يُقترح أن يمتد العمل المستقبلي لتقييم الإطار المقترح عبر أنواع بيانات متنوعة واستكشاف دمج مصنفات التعلم العميق وخوارزميات تشفير أخرى، مما يوسع من قابلية التطبيق وقوة طريقة التشفير.
القيود
تنبع قيود هذه الدراسة بشكل أساسي من مجموعة البيانات المستخدمة، التي تتكون من 200 جملة تم إنشاؤها يدويًا مقسمة بالتساوي بين فئتين. بينما يعتبر حجم العينة هذا كافيًا لإظهار جدوى إطار العمل المقترح المساعد في التصنيف والتشفير، فإنه يفشل في التقاط التنوع والضوضاء والنطاق المتأصل في بيانات الاتصال في العالم الحقيقي. وبالتالي، فإن مكون التصنيف يعمل فقط كإثبات للمفهوم بدلاً من نظام معالجة اللغة الطبيعية المحسن بالكامل المناسب للاستخدام الإنتاجي.
علاوة على ذلك، فإن تعقيد الرسائل في العالم الحقيقي يقدم تحديات إضافية، مثل التباين اللغوي، والغموض، والتلاعب المحتمل من قبل الخصوم، وكلها يمكن أن تؤثر سلبًا على دقة التصنيف. لمعالجة هذه القيود، ينبغي أن تركز الأبحاث المستقبلية على تقييم الإطار باستخدام مجموعات بيانات أكبر وأكثر تنوعًا تعكس بشكل أفضل تعقيدات سيناريوهات الاتصال الفعلية.
DOI: https://doi.org/10.1038/s41598-026-40797-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41748746
Publication Date: 2026-02-26
Author(s): N. Haritha et al.
Primary Topic: Analytic Number Theory Research
Overview
The research addresses the critical issue of secure processing and transmission of sensitive data in the digital age by proposing a conditional ElGamal framework. This framework utilizes either conventional primes or Ramanujan primes for key generation, depending on the sensitivity of the data, while maintaining the encryption and decryption processes of the standard ElGamal scheme. The study evaluates various machine learning models for classifying data into normal and highly sensitive categories, with the support vector machine (SVM) achieving the highest mean accuracy of 0.96 ± 0.058 under 5-fold cross-validation. Normal sensitive data is encrypted using the standard ElGamal method, while highly sensitive data employs the modified variant with Ramanujan primes.
The security analysis confirms that the proposed framework retains the security assurances of the standard ElGamal scheme against known-plaintext attacks (KPA) and chosen-plaintext attacks (CPA), with the incorporation of Ramanujan primes affecting only the key-generation process. Additionally, a hash-based message authentication code is included to enhance data credibility and reliability. Notably, the encryption-decryption time and average data rate for highly sensitive data are lower than those for normal sensitive data, indicating reduced CPU memory usage for the proposed method. Overall, this research presents a robust cryptographic architecture tailored for the secure handling of textual data.
Introduction
The introduction of the research paper outlines the fundamental principles of cryptography, which is the science of encoding data to prevent unauthorized access while ensuring confidentiality, integrity, and accuracy. It distinguishes between two primary types of cryptography: symmetric and asymmetric-key cryptography. Symmetric-key cryptography requires both the sender and recipient to utilize the same key for encoding and decoding messages, exemplified by algorithms such as the Advanced Encryption Standard (AES) and the Data Encryption Standard (DES). While symmetric encryption is efficient, it poses security risks if the key is shared insecurely.
In contrast, asymmetric-key cryptography employs a pair of keys: a public key for encryption, which is shared openly, and a private key for decryption, which remains confidential. This method allows secure communication even when the public key is accessible, as only the holder of the private key can decode the messages. Notable asymmetric algorithms include the ElGamal and RSA algorithms. Despite extensive research on both cryptographic systems, the paper emphasizes the need for innovative encryption and decryption algorithms in the current data-centric environment. The focus of this study is on the ElGamal encryption method, particularly a novel variant that aims to enhance its effectiveness.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, including statistical analyses and case studies, to ensure a comprehensive understanding of the phenomena under investigation. Data collection involved surveys and experiments, with a focus on obtaining reliable and valid measurements.
The statistical analyses were conducted using software tools to evaluate the relationships between variables, employing techniques such as regression analysis and ANOVA. Additionally, qualitative data were analyzed through thematic coding, allowing for the identification of patterns and insights that complement the quantitative findings. This mixed-methods approach facilitated a robust examination of the research questions, ultimately leading to significant conclusions regarding the impact of the studied variables.
Results
The results of the study indicate significant findings regarding data classification, encryption, and decryption processes. Following successful data classification, the research employed a unified program for encryption and decryption, assessing performance through metrics such as run time, average data rate (ADR), and throughput (T). Notably, the encryption-decryption times for both normally sensitive and highly sensitive data were found to be greater when utilizing HMAC (Hash-based Message Authentication Code) compared to scenarios without HMAC, highlighting a significant increase in processing time attributed to the additional overhead of HMAC implementation.
Further analysis, as presented in Table 6, reveals that the throughput (T) for highly sensitive data is lower than that for typical sensitive data, suggesting that the encryption process for highly sensitive data is more resource-intensive. This finding indicates that the proposed framework’s central processing unit (CPU) experiences a higher power drain when handling highly sensitive data, underscoring the need for efficient resource management in data encryption protocols.
Discussion
The discussion section of the research paper emphasizes the innovative application of Ramanujan primes in enhancing the ElGamal encryption method, particularly for securing highly sensitive data. Ramanujan primes, defined by the condition \( \pi(R_n) – \pi(R_{n^2}) \geq n \), offer a novel approach to key generation in cryptographic systems, diverging from traditional prime numbers. The paper highlights the asymptotic growth of Ramanujan primes and references various studies that have explored their properties and implications in cryptography. The proposed framework integrates machine learning techniques for data classification, utilizing algorithms such as K-Nearest Neighbors (KNN) and Support Vector Machines (SVM) to categorize data based on sensitivity levels, thereby optimizing the encryption process.
The research findings indicate that the modified ElGamal encryption scheme, which employs Ramanujan primes, maintains the security assumptions of the standard ElGamal system against known-plaintext and chosen-plaintext attacks. The study demonstrates that this approach not only enhances security but also improves operational efficiency by reducing processing overhead associated with data classification. Future work is suggested to extend the evaluation of the proposed framework across diverse data types and to explore the integration of deep learning classifiers and other cryptographic algorithms, thereby broadening the applicability and robustness of the encryption method.
Limitations
The limitations of this study primarily stem from the dataset utilized, which comprises only 200 manually generated sentences evenly split between two categories. While this sample size is sufficient for demonstrating the feasibility of the proposed classification-assisted encryption framework, it fails to capture the diversity, noise, and scale inherent in real-world communication data. Consequently, the classification component serves merely as a proof-of-concept rather than a fully optimized natural language processing system suitable for production use.
Moreover, the complexity of real-world messages introduces additional challenges, such as linguistic variability, ambiguity, and potential adversarial manipulation, all of which can adversely affect classification accuracy. To address these limitations, future research should focus on evaluating the framework with larger, more heterogeneous datasets that better reflect the complexities of actual communication scenarios.