ЭВОЛЮЦИЯ МАШИННОГО ОБУЧЕНИЯ В КРИПТОГРАФИИ: ОТ ТЕОРИИ К ПОСТКВАНТОВОЙ БЕЗОПАСНОСТИ

Abstract

Интеграция машинного обучения (ML) в сферу криптографии стала значительным вектором научного развития в последние десятилетия. Использование интеллектуальных алгоритмов не только усилило существующие криптографические методы, но и породило новые подходы к анализу безопасности, защите конфиденциальности и выявлению уязвимостей. Данная статья представляет обзор ключевых этапов развития машинного обучения в криптографии с 1995 по 2025 год, включая нейрокриптографию, гомоморфное шифрование, автоматизированный криптоанализ и постквантовые исследования. Особое внимание уделено как достижениям, так и вызовам, связанным с этическими аспектами, устойчивостью к атакам и вычислительной эффективностью. Работа направлена на формирование целостного представления о текущем состоянии и будущем потенциале этой междисциплинарной области.