Makine öğrenimi tabanlı sınıflandırma ve Ramanujan asal sayıları ile ElGamal şifrelemesi kullanan güvenli veri iletimi için yenilikçi bir çerçeve

Günlük iletileri korumanın önemi

Bankalar, hastaneler ve devlet kurumları her gün rutin haber uyarılarından son derece hassas hesap güncellemelerine kadar uzanan kısa dijital mesajlar gönderir. Tüm bu mesajları eşit derecede gizliymiş gibi ele almak hesaplama gücünü boşa harcar; ancak çok gevşek davranmak insanları sahtekârlık ve gizlilik ihlallerine karşı açık bırakabilir. Bu makale, mesajları otomatik olarak hassasiyet düzeylerine göre sınıflandırıp bunlara uygun şifreleme seviyeleri uygulayarak güvenlik, hız ve kaynak kullanımı arasında bir denge kurmayı araştırıyor.

Zararsız notları kritik uyarılardan ayırmak

Başlamak için yazarlar, genel haber başlıkları gibi sıradan mesajları bankacılık bildirimleri ve işlem uyarıları gibi son derece hassas olanlardan ayıran basit bir metin sınıflandırma sistemi kuruyorlar. Yazarlar, yarısı finansal yarısı genel haber olmak üzere 200 kısa, özenle yazılmış cümleden oluşan küçük bir veri seti oluşturuyor ve noktalama işaretleri, sayılar ve yaygın durak kelimeler gibi öğeleri temizliyorlar. Her mesaj, bir mesajda sık olup genel olarak nadir olan kelimelere ağırlık veren standart bir teknikle sayısal bir parmak izine dönüştürülüyor. K-En Yakın Komşu, Destek Vektör Makineleri, Doğrusal Ayırma Analizi ve K-ortalamalar gibi birkaç popüler makine öğrenimi yöntemi test ediliyor. Aşırı uyumu önlemek için beş katlı çapraz doğrulama kullanıldığında, Destek Vektör Makinesi modeli en doğru ve kararlı performansı sunuyor; bu da mesajın rutinde kalıp kalmadığına ya da gerçekten hassas olduğuna karar vermede tercih edilen araç yapıyor.

İki tür veri için iki şifreleme yolu

Mesajlar etiketlendikten sonra iki şifreleme yolundan birine giriyor. Olağan hassas mesajlar, ayrık logaritma problemi adı verilen matematiksel bir bulmacanın zorluğuna dayanan iyi bilinen ElGamal açık anahtar şemasıyla korunuyor. Son derece hassas mesajlar ise veriyi karıştırma ve çözmede özünde aynı olan ancak kritik gizli sayılardan biri olan asal modülü seçme biçiminde farklılık gösteren değiştirilmiş bir rotayı izliyor. Burada yazarlar, asal sayılar arasındaki ilginç dağılım özelliklerine sahip özel bir asal aile olan Ramanujan asal sayılarıyla deney yapıyorlar. Önemli olarak, yazarlar bu seçimin altta yatan matematiği kırmayı daha zor hale getirmediğini; bunun yerine ElGamal'ın kanıtlanmış güvenlik temellerini değiştirmeden anahtar üretimine yapısal ve yenilikçi bir yol sunduğunu vurguluyorlar.

Hiçbir şeyi tahrif edilmediğini doğrulama

Sadece şifreleme, bir mesajın iletim sırasında değiştirilmediğini garanti etmez. Bu korumayı eklemek için çerçeve, her şifrelenmiş mesaja gönderilmeden önce bir karma tabanlı mesaj doğrulama kodu (HMAC) iliştiriyor. Bu mekanizma, paylaşılan bir gizli anahtar ve tek yönlü bir karma işlevi kullanarak mesajın tek bir biti bile değişse farklılaşan kompakt bir etiket üretir. Alıcı tarafında aynı gizli anahtar ve karma kullanılarak etiket yeniden hesaplanır ve gönderilen etiketle karşılaştırılır; yalnızca eşleşirlerse mesaj özgün kabul edilir. Yazarlar sınıflandırma, anahtar üretimi, şifreleme, şifre çözme ve HMAC dahil tüm adımları tek bir Python programı içinde uyguluyor ve her işlemin ne kadar sürdüğünü ve birim zamanda ne kadar veri işlenebildiğini değerlendiriyorlar.

Zamanlama sonuçlarının gösterdikleri

Performans testleri, hem ek HMAC adımı ile hem de HMAC olmadan normal hassas ve son derece hassas mesajların muamelesini karşılaştırıyor. Beklendiği gibi, doğrulama eklemek tüm mesajların işlem süresini artırıyor. Ramanujan asal sayıları son derece hassas rotada kullanıldığında, bu mesajların şifrelenmesi ve şifre çözülmesi ortalama veri hızı ve verim açısından olağan rotadan daha düşük performans gösteriyor; bu da sistemin milisaniye başına daha az kilobayt işlediği ve her bir veri bitinin işlenmesinin daha uzun sürdüğü anlamına geliyor. Basit bir anlatımla, çerçeve en hassas trafiğe kasıtlı olarak daha fazla zaman ve hesaplama kaynağı ayırırken, daha az kritik mesajlar daha hızlı ilerliyor. Aynı zamanda yazarlar, kritik veriler için bu ek yükün birim veri başına düşen bellek kullanımını azalttığını ve yoğun sunucularda kaynak taleplerinin yönetilebilir kalmasına yardımcı olabileceğini belirtiyorlar.

Güvenli iletişim açısından bunun anlamı

Basitçe söylemek gerekirse çalışma, bir mesajın ne kadar hassas olduğunu otomatik olarak ölçen, ardından ona uygun bir koruma düzeyi uygulayan ve tüm bunları güvenilir bir şifreleme yönteminin temel güvenlik garantilerini koruyarak yapabilen bir güvenlik sistemi tasarlamanın mümkün olduğunu gösteriyor. Ramanujan asal sayılarının kullanımı, gizli anahtarların seçilme biçimine matematiksel olarak yeni bir açı katıyor; ancak standard ElGamal'ın güvenliğini güçlendirdiği iddiasında bulunmuyor. Metin sınıflandırıcı yalnızca küçük, özenle hazırlanmış bir veri seti üzerine kurulmuş bir kavramsal kanıt olsa da, genel mimari günlük mesajların, finansal uyarıların ve tıbbi güncellemelerin farklı ama tutarlı şekilde işlenebileceği, bilgi gizliliği ve bütünlüğünden ödün vermeden hesaplama kaynaklarını koruyabileceği gelecekteki sistemlere işaret ediyor.

Atıf: 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

Anahtar kelimeler: güvenli veri iletimi, metin sınıflandırma, açık anahtar şifreleme, Ramanujan asal sayıları, HMAC doğrulama