algorithm - 機械学習：次のRSAコードを学習および予測するための教師あり学習

Question

AndrewNGの機械学習コースを受講していました。私はまだ初期段階にあります。クラスでの住宅価格予測の例を使用して、教師あり学習を教えています。

機械学習プログラムに「正しい」値のデータセットを提供した後に次に生成されるRSAトークンを予測することは可能ですか？教師あり学習を使用して、プログラムにアルゴリズムを学習させることはできますか？

Answer 1

教師あり学習は、データの規則性を活用することに依存しています。たとえば、データが目的の出力に対してプロットされている場合、スペースにクラスターまたは人口の多いサーフェスが存在する可能性があります。クラスで学習するさまざまな学習アルゴリズムは、あるタイプの構造または別のタイプの構造を活用するすべての方法です。データセットがランダムで、目的の出力に接続されていない場合、学習を行うことはできません。

RSAは、構造のないランダムプロセスと区別するのが非常に難しい非ランダムプロセスであるため、暗号的に正確に役立ちます。利用するデータには明らかな規則性はありません。

私はあなたがこれを見るのを思いとどまらせるのを嫌がります。あなたはそれが何を引き起こすかもしれないか、あなたが何を学ぶかもしれないかを決して知りません。しかし、あなたの代わりに、私の成績のどの部分も成功に依存することを望んでいません。意味のある意味で成功するには、これまで誰も考えていなかった機能に基づいて学習する必要があります。これを試してみることにした場合は、非常に小さい素数から始めて、より大きな素数にトラクションを卒業する場合にのみお勧めします。

疑わしい理由の一部は、複雑さの議論に依存します。合成数に基づいて任意のRSA問題を解決できる場合、妥当な時間内にその数を因数分解できますが、任意の合成数を因数分解することは、NP完全ではありませんが、NP困難であると考えられます（ただし不明）。

Answer 2

動作しません。

RSAトークンは、シードから疑似乱数列を作成します。

理論的には、無限のリソースがある場合は、疑似乱数のシーケンス全体を「学習」するのに十分な長さのアルゴリズムをトレーニングできます。そして、以前の値のセットからシーケンスを予測することができます（そして潜在的にシードを推測することさえできます）。

実際には、このアプローチは次の両方の理由で失敗することが保証されています。

• トレーニング時間は、これを実行するには長すぎます。
• 必要なソリューションのサイズ（たとえば、ニューラルネットワークのパラメーターの数）は、実装するには大きすぎます。

「大きすぎる」と「長すぎる」とは、「宇宙の誰よりも長く/大きくなる」ことを理解する必要があります。

Answer 3

これでは、統計的に有意な成功率を達成することはできません。この種のことは、トークン内で行われている数学によって禁止されています。

たとえば、ハッシュチェーンを使用できます。