VDNABDS，一种基于DNA的加密协议，用于增强云安全

Summary

VDNABDS协议的目标是通过利用基于DNA的加密技术，快速生成不可破解的密钥，提升云安全。其目标是保护敏感数据免受暴力破解和量子攻击，同时确保高性能、可扩展性以及与现代云系统的无缝集成。

Abstract

现代云存储系统常常难以平衡安全性，而高性能加密往往会拖慢运行速度，而更快的解决方案则可能危及数据安全。为此，我们开发了基于DNA的变分数据安全（VDNABDS），这是一种受DNA生物结构启发的下一代加密系统。该方法不再仅依赖传统的数学算法，而是利用四种核苷酸（A、T、C、G）将用户特定信息转换为类DNA序列，然后应用智能洗牌和转换技术以保护云存储文件的安全。该方法将动态密钥生成与仿生模式相结合，实现快速加密而不牺牲保护。测试中，该方法仅用5毫秒生成安全密钥，比现有模型如带动态加密序列的云安全（CSDES）快15倍，且在近1000名同时用户的高负载下，也能在4秒内完成全加密。该方法还提供了卓越的网络威胁防御能力，提供1 x 10³⁸种独特的密钥组合，使暴力破解和量子攻击几乎不可能。其自适应设计不断更新安全模式，使其对入侵具有高度的韧性。重要的是，它能够顺畅地与现有云平台集成，实现快速数据访问，同时保持强有力的隐私保护。真实实验表明，VDNABDS在速度和可靠性方面始终优于传统加密模型。凭借其坚固、可扩展且硬件无关的架构，该系统特别适合医疗、金融和国防等数据敏感性至关重要的行业。展望未来，我们计划将这种生物加密模型扩展到智能手机和物联网设备，为快速、安全且抗量子的数据保护开辟新时代。

Introduction

云计算已成为现代数据服务的必备工具，提供了灵活性、可扩展性和高效性。然而，随着这种广泛采用，网络威胁的暴露也随之增加，尤其是针对数据机密性和完整性的威胁。传统加密算法如AES-256和RSA，尽管广泛使用，但面临日益增长的局限性。这些方法需要大量计算资源，并且容易受到量子计算等不断发展的技术^影响。这迫切需要新型加密系统，这些系统既轻便、可扩展又具备未来竞争力。

基于DNA的密码学因其固有的复杂性、随机性和并行计算的潜力而成为一种有^{前景的替代方案}。然而，这些方法的理论吸引力常与其实际应用产生冲突。大多数现有基于DNA的方案在实际应用方面遇到困难，因为它们通常依赖硬件，需要专用实验室设备，或缺乏动态云环境所需的性能和可扩展性³.这些局限性在仿生安全理论承诺与其实际应用之间造成了显著差距。

为此，我们提出了基于变分DNA的数据安全（VDNABDS）——一种基于软件的加密框架，利用SHA-256和异或作将用户特定的输入转换为动态的类DNA密钥。该方法实现密钥生成时间不到5毫秒，且在4秒内加密大量数据，显著优于早期模型如CSDES和ZMCACM⁴。VDNABDS支持超过1×10、³⁸种独特密钥组合，提供强大的暴力破解和量子攻击防护。

虽然许多研究人员探索了云安全解决方案，但他们往往关注具体且孤立的问题。例如，Wang 等^{人提出了一种} 用于云计算的安全认证模型，但缺乏内容级加密能力。同样，Ahmed等^人6为IoE环境开发了DNACDS，但该方案在实时测试中可扩展性有限。其他尝试将Blowfish与区块链⁷结合，或应用DNA用于访问控制^8， 但它们在性能或适应性方面常常不足。VDNABDS通过其快速、硬件无关且会话专用的加密策略填补了这些空白，该策略通过CloudSim验证，面对大量数据集和并发用户。

总之，这项工作为云安全和基于DNA的密码学领域提供了以下关键贡献。我们介绍VDNABDS，一种全新的纯软件加密框架，将用户特定信息转化为动态的DNA加密密钥。我们展示了卓越的性能和可扩展性，VDNABDS仅用5毫秒完成密钥生成，3GB数据集加密时间为4.1秒，优于现有模型如ZMCACM和AES-256。我们通过演示1024位DNA衍生密钥和非代数变换，验证了协议的后量子安全性，这些变换提供了远超NIST阈值的安全水平，并能抵抗Shor和Grover算法^9。我们提出了一种结合椭圆曲线密码学（ECC）和RSA-OAEP的双层密钥保护方案，以安全包裹DNA密钥，增强其对暴力破解和重放攻击的抵抗^力。

Protocol

该研究未涉及人类参与者、动物或生物样本的使用。所有测试和评估均使用人工生成的数据进行，包括随机生成的标识符，如MAC地址、出生日期和密码字符串。在任何阶段都未收集、保留或审查任何个人信息或敏感信息。在VDNABDS协议（图1）中，基于输入的密钥仅限于合成且不可追踪的值，仅用于展示受控环境中的性能和功能结果。研究的每一步均遵循机构关于网络安全实验和伦理数据处理的政策，确保与国际隐私保护标准和负责任的研究实践保持一致。

1. 系统准备

1. 安装所需工具：在Java环境中使用支持的JDK版本（如8版或更高版本）安装云仿真工具包。使用任何与Java兼容的集成开发环境（IDE）来运行该项目。
2. 配置系统环境。搭建一个Python环境（版本3.8或更高），配备标准的哈希、随机生成和二进制作库。创建一个目录结构，文件夹分别命名为input_data、dna_keys和encrypted_output。
3. 定义盐和CRC模块。初始化一个128位系统范围的盐值和一个循环冗余检查（CRC32）函数。这些数据应安全地存储在系统内存中。
4. 设置密码参数。使用标准椭圆曲线，如secp384r1，进行非对称加密。将RSA-OAEP配置为4096位密钥大小以实现公钥加密。

2. 利用DNA映射的智能密钥生成

1. 收集用户特定输入。收集用户的MAC地址、出生日期（格式为DD-MM-YYYY）和强密码。
2. 连接输入和哈希输入。将用户专用输入串联起来，并应用SHA-256哈希值。将哈希截断为128位，然后转换为二进制。
   示例 输入：MAC：00-1B-44-11-3A-B7DOB： 15-08-2000密码：StrongP@ssword123SHA-256 哈希（截短为128位）：b7e23ec29af22b0b4e41da31e868d572
3. 扩展二进制序列。将128位哈希（H）与128位盐（S）异或，得到异或结果（X）。X=HS
   盐示例：e3f3cd1a49d20a7c3b8abf243e7211e8
   附加CRC32校验和（C）和864位随机填充（P），形成最终的1024位二进制序列（R）。R=X||C||P
4. 将二进制序列转换为DNA序列。使用二进制到DNA的映射：00 → A，01 → T，10 → C，11 → G。应用映射将所有1024位转换为DNA序列。
   DNA序列（前20碱基示例）：ATGCCTTAGGTAGGCTATAC
5. 重新排列DNA序列。使用时间种子Fisher-Yates洗牌算法随机DNA序列。用系统时间戳和会话ID的SHA-256哈希值来做排序。

3. 基于DNA的加密密钥形成

1. 分割并转化。将洗牌后的DNA序列拆分为四个相等的256位片段：S1、S2、S3、S4。应用DNA-XOR作创建两个关键片段K1和K2，定义如下：K1=S1S2 K2=S3S4
2. 组装最终的DNA加密密钥。将异或输出组合成最终的DNA加密密钥（DNADK）：DNADK=K1||K2

4. 双层密钥加密和安全存储

1. 应用椭圆曲线加密。利用数据所有者的私钥使用椭圆曲线加密DNADK。
2. 应用RSA-OAEP加密。使用RSA-OAEP对ECC加密的结果进行接收方公钥加密。
3. 存储加密的DNA密钥。将双加密的DNADK保存在安全dna_keys目录中。

5. 数据加密及上传至云存储

1. 将明文转换为二进制。将原始文件拆分为长度相等的二进制块。
2. 将二进制块编码为DNA格式。将步骤2.4中描述的二元DNA转换应用到二元块上。
3. 洗牌并应用DNA-XOR。使用步骤3中定义的DNA-XOR逻辑对每个DNA编码块进行洗牌和转换。
4. 应用纠错并完成加密。在DNA编码数据中添加Reed-Solomon纠错码。将最终加密输出存储在encrypted_output目录中。
5. 将加密数据上传到云端。将加密的DNA编码文件传输给指定的云服务提供商，并记录上传过程并记录相关元数据。

6. 数据访问和安全解密

1. 验证用户身份。使用多因素认证机制验证用户访问。
2. 取回加密的DNA密钥。从安全密钥目录访问加密的DNADK。
3. 进行密钥解密。使用接收方的私有RSA密钥，随后使用数据所有者的ECC私钥，解密原始DNADK。
4. 重建原始数据。应用反向DNA映射、DNA-XOR解码和纠错解码，恢复原始明文数据。

7. 优化用户标识处理

1. 根据长度对用户标识进行分类，并将其分配到指定的索引组中。
2. 利用索引哈希表和缓存策略加快查找速度。
3. 在允许访问前，通过验证用户的标识符与预先计算的加密哈希进行验证。

8. 安全、保障与合规措施

1. DNA衍生密钥保护：将DNADK仅存储在加密且严格访问权限的地点。
2. 安全清理临时数据：通过认证的安全擦除方法移除中间文件和缓冲区。
3. 会话特定密钥：为每个会话创建一个独立的DNADK，以保持前向保密。

9. 测试与验证（见图2）

1. 仿真设置：在CloudSim 3.0.3环境中实现该协议，配置为同时支持最多1000名用户，数据集为3 GB。
2. 性能指标：跟踪密钥生成延迟、加密/解密时间、内存需求、熵水平以及在不同负载下的可扩展性等数值。
3. 比较实验：在相同条件下评估VDNABDS与AES-256 + RSA-OAEP、ZMCACM、CSDES和RDIS的结合。
4. 可扩展性研究：在记录加密和解密性能的同时，逐步增加并发用户数量（100、500、1,000）。
5. 安全评估：通过测量有效密钥空间和熵来估算对暴力破解的抵抗力;同时，还要考察对肖尔和格罗弗量子算法的理论鲁棒性。
6. 资源有限的试验：在树莓派4（1.5 GHz四核CPU，2GB内存）上运行轻量化版本，以测试物联网场景的适用性。
7. 文档与可重复性：保存实验输出、日志和性能报告，以支持独立验证和复制。

Results

所提议的VDNABDS协议通过一系列模拟云环境实验进行了评估，以评估其在传统及其他基于DNA的密码学方法中的表现。评估指标包括密钥生成时间、加密和解密速度、密钥熵以及在不同用户负载下的可扩展性¹¹。

与现有方案的性能比较

实验数据证实，VDNABDS协议在关键运营指标上始终优于其他方案（图3 和 图4）。如我们的对比表（表1 和 表2）所示，VDNABDS显示出最快的密钥生成时间，平均仅5毫秒，约比C...

Discussion

基于DNA的加密技术的出现为后量子密码学开辟了新领域。然而，由于可重复性、可扩展性和硬件依赖的限制，实际应用进展缓慢。Ahmed等人和Sharma等人提出的技术利用DNA和区块链模型解决了某些云脆弱性，但缺乏动态密钥处理能力，且对高并发环境的韧性有限（^18,19）。VDNABDS通过将富熵密钥生成与双重非对称加密和实时云仿真测试统一，克服了这些障碍。作为这一不断发展的研究体系中，该协议不仅建立在先前DNA密码学原则的基础上，还开创性地将其实现为可重复的纯软件架构——为云计算时代安全、可扩展的加密协议提供了模板。

VDNABDS的设计灵感来源于现有加密系统（无论是经典加密还是仿生加密）中发现的关键局限（见表4）。传统密码模型如AES-256和RSA高度依赖资源密集型作，且越来越容易受到Shor和Grover's²⁰等量子...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
爪哇	神谕
云模拟	GitHub
蟒蛇	Python 软件基础