En ny ram för säker datatransmission med maskininlärningsbaserad klassificering och ElGamal-kryptering med Ramanujan-primtal

Varför det är viktigt att skydda vardagliga meddelanden

Varje dag skickar banker, sjukhus och myndigheter korta digitala meddelanden som kan vara allt från rutinmässiga nyhetsmeddelanden till mycket känsliga kontouppdateringar. Att behandla alla dessa meddelanden som lika hemliga slösar beräkningsresurser, men att vara för avslappnad kan utsätta människor för bedrägerier och intrång i privatlivet. Denna artikel undersöker ett sätt att automatiskt sortera meddelanden efter hur känsliga de är och sedan skydda dem med motsvarande krypteringsnivåer, i syfte att balansera säkerhet med hastighet och resursanvändning.

Att skilja ofarliga meddelanden från kritiska varningar

Inledningsvis bygger författarna ett enkelt textklassificeringssystem som skiljer vanliga meddelanden, såsom allmänna nyhetsrubriker, från mycket känsliga meddelanden, såsom banksignaler och transaktionsvarningar. De skapar en liten datamängd bestående av 200 korta, omsorgsfullt formulerade meningar, hälften finansiella och hälften allmänna nyheter, och rensar texten genom att ta bort interpunktion, siffror och vanliga stoppord. Varje meddelande omvandlas till ett numeriskt fingeravtryck med en standardmetod som betonar ord som är frekventa i ett meddelande men sällsynta i hela korpuset. Flera etablerade maskininlärningsmetoder testas, inklusive K-Nearest Neighbors, Support Vector Machines, Linear Discriminant Analysis och K-means-klustring. Genom att använda femfaldig korsvalidering för att undvika överanpassning visar sig Support Vector Machine-modellen ge den mest precisa och stabila prestandan, vilket gör den till det föredragna verktyget för att avgöra om ett meddelande är rutinmässigt eller verkligen känsligt.

Två krypteringsvägar för två datatyper

När meddelanden är märkta färdas de längs en av två krypteringsvägar. Vanligt känsliga meddelanden skyddas med den standardmässiga ElGamal-nyckelschemat, en välkänd metod som bygger på svårigheten i ett matematiskt problem kallat diskreta logaritmen. Mycket känsliga meddelanden följer en modifierad väg som är identisk vad gäller hur den förvränger och återställer data men skiljer sig i hur ett av de avgörande hemliga talen, den så kallade primmodulen, väljs. Här experimenterar författarna med en speciell familj primtal kallade Ramanujan-primtal, vilka har intressanta fördelningsegenskaper bland primtalen. Viktigt är att författarna poängterar att detta val inte gör den underliggande matematiken svårare att knäcka; istället erbjuder det ett strukturerat och nyskapande sätt att generera nycklar utan att förändra ElGamals välgrundade säkerhetsgrunder.

Kontroll för att upptäcka manipulation

Kryptering ensam garanterar inte att ett meddelande inte ändrats under överföring. För att lägga till detta skydd fäster ramen en hash-baserad meddelandeautentiseringskod (HMAC) till varje krypterat meddelande innan det skickas. Denna mekanism använder en delad hemlighet och en envägs-hashfunktion för att producera en kompakt tagg som ändras om även en enda bit av meddelandet modifieras. På mottagarens sida används samma hemlighet och hash för att återskapa taggen och jämföra den med den som skickades; endast om de matchar accepteras meddelandet som autentiskt. Författarna implementerar alla steg—klassificering, nyckelgenerering, kryptering, dekryptering och HMAC—i ett enda Python-program och utvärderar hur lång tid varje operation tar och hur mycket data som kan bearbetas per tidsenhet.

Vad tidsmätningarna avslöjar

Prestandatester jämför behandlingen av normalt känsliga och mycket känsliga meddelanden, både med och utan det extra HMAC-steget. Som väntat ökar autentisering behandlingstiden för alla meddelanden. När Ramanujan-primtal används för den mycket känsliga vägen uppvisar kryptering och dekryptering av dessa meddelanden lägre genomsnittlig datahastighet och genomströmning än den ordinarie vägen, vilket innebär att systemet hanterar färre kilobyte per millisekund och att varje databit tar längre tid att bearbeta. Ur ett lekmannaperspektiv lägger ramen medvetet mer tid och beräkningskraft på den mest känsliga trafiken, medan mindre kritiska meddelanden passerar snabbare. Samtidigt noterar författarna att denna extra kostnad för kritiska data översätts till lägre minnesanvändning per datamängd, vilket kan hjälpa till att hålla resurskraven hanterbara på belastade servrar.

Vad detta arbete innebär för säker kommunikation

Enkelt uttryckt visar studien att det är möjligt att utforma ett säkerhetssystem som automatiskt bedömer hur känsligt ett meddelande är, sedan omdirigerar det genom en motsvarande skyddsnivå, samtidigt som de grundläggande säkerhetsgarantierna hos en betrodd krypteringsmetod bevaras. Användningen av Ramanujan-primtal tillsätter en matematisk nydaning i sättet hemliga nycklar väljs på, utan att hävda att den stärker säkerheten utöver standard-ElGamal. Även om textklassificeraren endast är ett proof of concept byggt på en liten, noggrant kurerad datamängd, pekar hela arkitekturen mot framtida system där vardagsmeddelanden, finansiella aviseringar och medicinska uppdateringar kan hanteras olika men konsekvent, och därigenom spara beräkningsresurser utan att kompromissa med integriteten och konfidentialiteten i den information människor värderar mest.

Citering: Haritha, N., Narayanan, V. & Srikanth, R. An innovative framework for secure data transmission using machine learning based classification and ElGamal encryption with Ramanujan primes. Sci Rep 16, 11090 (2026). https://doi.org/10.1038/s41598-026-40797-9

Nyckelord: säker datatransmission, textklassificering, offentlig nyckelkryptering, Ramanujan-primtal, HMAC-autentisering