earticle

영어

Interacting neural networks have been calculated analytically. At each training step two networks receive a common random input vector and learn their mutual output bits. In 2005, Chen-Cai proposed a novel remote user authentication scheme based on interacting neural network learning. The current paper, however, demonstrates that Chen-Cai’s scheme is vulnerable to a replay attack and an insider attack, and then an improved scheme was presented in order to resolve such problems.

한국어

상호작용하는 뉴럴 네트워크는 분석적으로 계산되어진다. 각 학습 스텝마다 두 개의 네트워크는 공통적인 임의의 입력 벡터를 받게 되고, 상호 출력 비트들을 배우게 된다. 2005년에 Chen-Cai는 상호작용 뉴럴 네트워크 학습 기반의 새로운 원격 사용자 인증 스킴을 제안했다. 그러나 본 논문에서는 Chen-Cai의 스킴이 재생 공격과 내부 공격자에 취약함을 보여주고, 그러한 문제를 해결하기 위한 향상된 스킴을 제안한다.