机器学习：监督学习和学习预测下一个RSA代码

Question

我正在通过Andrew NG的机器学习课程。我还处于起步阶段。 通过他在课堂上的房价预测示例，他教授有监督学习。

是否可以预测在为机器学习程序提供“正确”值数据集后将生成的RSA令牌？我们可以使用有监督的学习来使程序学习算法吗？

Answer 1

监督学习取决于利用数据中的规律性。例如，如果针对期望的输出绘制数据，则空间中可能存在聚类或高度填充的表面。您将在课堂上学习的各种学习算法都是利用一种结构或另一种结构的方法。如果数据集是随机的并且未连接到所需的输出，则无法进行学习。

RSA在加密方面非常有用，因为它是一个非随机过程，特别难以与没有结构的随机过程区分开来。数据没有明显的规律可供利用。

我不愿意劝你不要看这个;你永远不知道它可能会引发什么，或者你可能会学到什么。但在你的位置，我不希望我的成绩的任何部分依赖于成功。我会说，要想在任何有意义的意义上取得成功，你几乎必须将学习基于迄今为止没有人想到的特征。如果你决定尝试这个我会建议从非常小的素数开始，并且只有你获得任何牵引力毕业到更大的素数。

可疑的部分原因取决于复杂性论点。如果可以根据复合数解决任意RSA问题，那么可以在合理的时间内将该数量考虑在内，然而将任意复合数的因子考虑（但不知道）为NP难，但不是NP完全。

Answer 2

它无效。

RSA令牌从种子创建伪随机数字序列。

理论上，如果你拥有无限的资源，那么你可以训练一个足够长的算法，以便“学习”整个伪随机数序列。然后，您可以从一组先前的值中预测序列（甚至可能推断种子）。

在实践中，这种方法保证失败，因为两者：

• 培训时间太长，不可行。
• 所需解决方案的大小（例如神经网络中的参数数量）太大而无法实施。

“太大”和“太长”你应该理解“比宇宙中任何人都能实现的更长/更大”。

Answer 3

你不会在这方面取得统计上显着的成功率。这种类型的东西被令牌中的数学禁止。

例如，可以使用a hash chain。