基于生成对抗网络（GAN）抗多重攻击者的不经意传输（OT）协议AdvOT：安全通信新机制

本文创新性地提出AdvOT协议，将生成对抗网络（GAN）的对抗学习机制与不经意传输（OT）协议相结合，通过端到端对抗训练使神经网络自主学得加密技术，摆脱了传统OT协议对复杂加密算法的依赖。该协议采用CKKS全同态加密提升密钥分发效率，并设计多重攻击网络（CPA、CCA等）增强模型安全性，实验显示接收方解密准确率近100%，攻击者错误率约50%，为隐私保护通信提供了新范式。

　　

亮点（Highlight）

1. 1.

   我们提出AdvOT——一种基于对抗网络、抵御多重攻击者的新型OT协议。通过将对抗机制与OT结合，并用神经网络替代特定加密算法，建立了OT协议的全新方案。

2. 2.

   在AdvOT协议的ROT阶段采用CKKS同态加密算法提升计算速度。CKKS全同态加密算法支持浮点运算，允许一定范围的精度误差和近似计算，显著提升效率。

3. 3.

   在AdvOT协议的信息传输阶段，我们使用神经网络完成加密信息传输。这些神经网络通过端到端对抗训练学习加密形式，无需预先学习特定算法。

4. 4.

   针对AdvOT协议的信息传输阶段，我们提出抗多重攻击者的对抗网络加密方案。设计了模拟暴力破解、选择明文攻击（CPA）和选择密文攻击（CCA）的攻击网络。当攻击网络威胁更大时，模型更可能学得更安全的加密算法。

AdvOT架构框架（Framework of AdvOT architecture）

本节介绍AdvOT的整体框架。结合GAN中的对抗学习机制，AdvOT基于Esmaeilzede框架构建。在信息传输阶段，接收所选消息的接收方被视为通信方之一。如果接收方试图非法访问未选消息，则恶意接收方被视为对手。如图1所示，AdvOT分为两个阶段：基于CKKS同态加密的ROT阶段和基于对抗网络的信息传输阶段。

AdvOT模块构建（Modules for AdvOT）

本节描述AdvOT的构建细节，即两个阶段的具体实现。

实验结果（Experiment results）

本节实施AdvOT协议，展示对抗网络的训练过程，并通过与基线比较评估协议模块的性能。

为何Eve1在不同场景下表现各异？（Why does Eve1’s performance vary in different scenarios?）

在密码学语境中，敌对实体Eve1的性能在不同攻击场景下存在显著差异。在单攻击者场景中，Eve1在没有其他敌对参与者的情况下运行，简化了竞争环境，使其能够集中精力破解加密系统。因此，Eve1的正确比特识别轨迹在较少迭代后即发生显著变化，最终...

结论（Conclusion）

本文提出基于对抗网络的新颖不经意传输协议AdvOT。通过将对抗机制与OT协议结合并用神经网络替代加密算法，突破了OT传统使用特定加密算法的方法。AdvOT分为两个阶段：基于CKKS同态加密的ROT阶段和基于对抗网络的信息传输阶段。第一阶段...