Research Article

VDNABDS, EIN DNA-BASIERTES KRYPTOGRAFISCHES PROTOKOLL ZUR VERBESSERUNG DER CLOUD-SICHERHEIT

DOI:

10.3791/68843

⸱

December 5th, 2025

 ,  ,  ,  ,  , 
1School of Computer Sciences, Odisha University of Technology and Research, 2School of Computer Science & Engineering (SCOPE), VIT-AP University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Das Ziel des VDNABDS-Protokolls ist es, die Cloud-Sicherheit durch den Einsatz von DNA-basierten Verschlüsselungstechniken zu verbessern, um schnelle, unknackbare Schlüssel zu erzeugen. Es zielt darauf ab, sensible Daten vor Brute-Force- und Quantenangriffen zu schützen und gleichzeitig hohe Leistung, Skalierbarkeit und nahtlose Integration mit modernen Cloud-Systemen zu gewährleisten.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Moderne Cloud-Speichersysteme haben oft Schwierigkeiten, Sicherheit und leistungsstarke Verschlüsselung zu verlangsamen, während schnellere Lösungen die Datensicherheit gefährden können. Um dies zu lösen, entwickelten wir Variational DNA-Based Data Security (VDNABDS), ein Verschlüsselungssystem der nächsten Generation, das von der biologischen Struktur der DNA inspiriert ist. Anstatt sich ausschließlich auf traditionelle mathematische Algorithmen zu verlassen, wandelt diese Methode benutzerspezifische Informationen mithilfe der vier Nukleotide (A, T, C, G) in DNA-ähnliche Sequenzen um und wendet dann intelligente Misch- und Transformationstechniken an, um cloudgespeicherte Dateien zu sichern. Diese Methode verbindet dynamische Schlüsselgenerierung mit bio-inspirierten Mustern und erreicht so eine schnelle Verschlüsselung, ohne den Schutz zu beeinträchtigen. Bei den Tests erzeugte diese Methode sichere Schlüssel in nur 5 ms, was 15-mal schneller ist als bestehende Modelle wie Cloud Security mit Dynamic Encryption Sequences (CSDES), und schloss die vollständige Verschlüsselung in 4 Sekunden ab, selbst bei hoher Benutzerlast von fast 1.000 gleichzeitigen Nutzern. Die vorgeschlagene Methode bietet zudem einen außergewöhnlichen Schutz gegen Cyberbedrohungen und bietet 1 x 1038 einzigartige Schlüsselkombinationen, was Brute-Force- und Quantenangriffe praktisch unmöglich macht. Sein adaptives Design aktualisiert ständig Sicherheitsmuster und macht es sehr widerstandsfähig gegen Eindringlinge. Wichtig ist, dass es sich reibungslos in bestehende Cloud-Plattformen integriert, was schnellen Datenzugriff ermöglicht und gleichzeitig starke Datenschutzvorkehrungen aufrechterhält. Praxisnahe Experimente zeigten, dass VDNABDS traditionelle Verschlüsselungsmodelle sowohl in Geschwindigkeit als auch Zuverlässigkeit konstant übertrifft. Mit seiner robusten, skalierbaren und hardwareunabhängigen Architektur eignet sich dieses System besonders für Branchen wie Gesundheitswesen, Finanzen und Verteidigung, wo Datensensitivität von größter Bedeutung ist. Mit Blick auf die Zukunft wollen wir dieses biologische Verschlüsselungsmodell auf Smartphones und Internet-of-Things-(IoT)-Geräte ausweiten und so den Weg für eine neue Ära schnellen, sicheren und quantenresistenten Datenschutzes ebnen.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cloud Computing ist für moderne Datendienste unerlässlich geworden und bietet Flexibilität, Skalierbarkeit und Effizienz. Mit dieser weitverbreiteten Verbreitung geht jedoch eine erhöhte Exposition gegenüber Cyberbedrohungen einher, insbesondere solchen, die auf Datenschutz und Integrität abzielen. Traditionelle Verschlüsselungsalgorithmen wie AES-256 und RSA, obwohl weit verbreitet, sehen sich zunehmenden Einschränkungen gegenüber. Diese Methoden erfordern umfangreiche Rechenressourcen und sind anfällig für sich entwickelnde Technologien wie Quantencomputing1. Dies schafft einen dringenden Bedarf an neuartigen Verschlüsselungssystemen, die leicht, skalierbar und zukunftssicher sind.

DNA-basierte Kryptographie hat sich aufgrund ihrer inhärenten Komplexität, Zufälligkeit und des Potenzials für parallele Berechnungenals vielversprechende Alternative erwiesen. Allerdings kollidiert der theoretische Reiz dieser Methoden oft mit ihrer praktischen Umsetzung. Die meisten bestehenden DNA-basierten Systeme hatten Schwierigkeiten mit der realen Anwendbarkeit, da sie oft hardwareabhängig sind, spezielle Laborausrüstung erfordern oder nicht über die Leistung und Skalierbarkeit für dynamische Cloud-Umgebungen verfügen3. Diese Einschränkungen haben eine erhebliche Lücke zwischen dem theoretischen Versprechen bio-inspirierter Sicherheit und ihrer praktischen Anwendbarkeit geschaffen.

Um dem entgegenzuwirken, stellen wir Variational DNA-Based Data Security (VDNABDS) vor – ein softwarebasiertes Verschlüsselungsframework, das benutzerspezifische Eingaben mithilfe von SHA-256- und XOR-Operationen in dynamische, DNA-ähnliche Schlüssel umwandelt. Die Methode ermöglicht die Schlüsselgenerierung in weniger als 5 ms und verschlüsselt große Datenmengen in nur 4 Sekunden, was frühere Modelle wie CSDES und ZMCACM4 deutlich übertrifft. VDNABDS unterstützt über 1 x 10 zu38 einzigartige Schlüsselkombinationen und bietet einen starken Schutz gegen Brute-Force- und Quantenangriffe.

Während viele Forscher Lösungen für Cloud-Sicherheit erforscht haben, konzentrieren sie sich oft auf spezifische, isolierte Probleme. So schlugen beispielsweise Wang et al.5 ein sicheres Authentifizierungsmodell für Cloud-Computing vor, das jedoch keine Inhaltsverschlüsselung bietet. Ähnlich entwickelten Ahmed et al.6DNACDS für IoE-Umgebungen, doch das Schema leidet unter begrenzter Skalierbarkeit im Echtzeittest. Andere Bemühungen kombinieren Blowfish mit Blockchain7oder wenden DNA für Access Control8 an, scheitern jedoch oft an Leistung oder Anpassungsfähigkeit. VDNABDS schließt diese Lücken mit seiner schnellen, hardwareunabhängigen und sitzungsspezifischen Verschlüsselungsstrategie, die mit CloudSim mit einem großen Datensatz und gleichzeitigen Nutzern validiert wird.

Zusammenfassend liefert diese Arbeit die folgenden Schlüsselbeiträge im Bereich der Cloud-Sicherheit und DNA-basierter Kryptographie. Wir stellen VDNABDS vor, ein neuartiges, ausschließlich softwarebasiertes kryptographisches Framework, das benutzerspezifische Informationen in dynamische, DNA-ähnliche Verschlüsselungsschlüssel umwandelt. Wir zeigen außergewöhnliche Leistung und Skalierbarkeit, wobei VDNABDS die Schlüsselgenerierung in nur 5 ms erreicht und einen 3-GB-Datensatz in 4,1 s verschlüsselt und bestehende Modelle wie ZMCACM und AES-256 übertrifft. Wir validieren die Post-Quanten-Sicherheit des Protokolls, indem wir einen 1024-Bit-DNA-abgeleiteten Schlüssel und nicht-algebraische Transformationen demonstrieren, die ein Sicherheitsniveau weit über dem NIST-Schwellenwert bieten und sowohl Shors als auch Grovers Algorithmen9 widerstehen. Wir schlagen ein zweischichtiges Schlüsselschutzschema vor, das Elliptic Curve Cryptography (ECC) und RSA-OAEP kombiniert, um den DNA-Schlüssel sicher zu umhüllen und so seine Widerstandsfähigkeit gegen Brute-Force- und Replay-Angriffezu erhöhen 10.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Forschung umfasste weder menschliche Teilnehmer, Tiere noch die Verwendung biologischer Proben. Alle Tests und Bewertungen wurden mit künstlich generierten Daten durchgeführt, darunter zufällig erstellte Identifikatoren wie MAC-Adressen, Geburtsdaten und Passwortzeichen. Es wurden zu keinem Zeitpunkt persönliche oder sensible Informationen gesammelt, gespeichert oder geprüft. Im VDNABDS-Protokoll (Abbildung 1) waren eingabebasierte Schlüssel auf synthetische, nicht nachverfolgbare Werte beschränkt und dienten nur dazu, Leistung und funktionale Ergebnisse in einem kontrollierten Umfeld zu veranschaulichen. Jeder Schritt der Studie wurde gemäß institutionellen Richtlinien zu Cybersicherheitsexperimenten und ethischer Datenverarbeitung durchgeführt, um die Ausrichtung an internationale Standards für Datenschutz und verantwortungsvolle Forschungspraktiken sicherzustellen.

1. Systemvorbereitung

  1. Installieren Sie erforderliche Werkzeuge: Installieren Sie ein Cloud-Simulationstoolkit in einer Java-Umgebung mit einer unterstützten JDK-Version (z. B. Version 8 oder neuer). Verwenden Sie jede integrierte Entwicklungsumgebung (IDE), die mit Java kompatibel ist, um das Projekt auszuführen.
  2. Konfigurieren Sie die Systemumgebung. Richte eine Python-Umgebung (Version 3.8 oder neuer) mit Standardbibliotheken für Hashing, Zufallsgenerierung und Binäroperationen ein. Erstelle eine Verzeichnisstruktur mit Ordnern namens input_data, dna_keys und encrypted_output.
  3. Definiere Salz- und CRC-Module . Initialisieren Sie einen 128-Bit-System-Saltwert und eine zyklische Redundanzprüfung (CRC32)-Funktion. Diese sollten sicher im Systemspeicher gespeichert werden.
  4. Setze kryptografische Parameter. Verwenden Sie eine standardmäßige elliptische Kurve, wie zum Beispiel secp384r1, für asymmetrische Verschlüsselung. Konfigurieren Sie RSA-OAEP mit einer 4096-Bit-Schlüsselgröße für die Verschlüsselung öffentlicher Schlüssel.

2. Smart-Key-Generierung mittels DNA-Mapping

  1. Sammeln Sie benutzerspezifische Eingaben. Sammeln Sie die MAC-Adresse des Nutzers, das Geburtsdatum (im DD-MM-YYYYY-Format) und ein starkes Passwort.
  2. Eingaben verketten und hashen. Fügen Sie die benutzerspezifischen Eingaben zusammen und wenden Sie einen SHA-256-Hash an. Schneide den Hash auf 128 Bit ab und wandele ihn in Binärdateien um.
    Beispieleingabe: MAC: 00-1B-44-11-3A-B7DOB: 15-08-2000Passwort: StrongP@ssword123SHA-256 Hash (abgeschnitten auf 128 Bit): b7e23ec29af222b0b4e41da31e868d572
  3. Erweitern Sie die binäre Sequenz. XOR den 128-Bit-Hash (H) mit einem 128-Bit-Salz (S), um das XOR-generierte Ergebnis (X) zu erzeugen. X=Hfigure-protocol-1S
    Beispiel Salz: e3f3cd1a49d20a7c3b8abf243e7211e8
    Füge eine CRC32-Prüfsumme (C) und ein 864-Bit-Zufallspad (P) hinzu, um die endgültige 1024-Bit-Binärsequenz (R) zu bilden. R=X||C||P
  4. Konvertiere binäre in DNA-Sequenz. Verwenden Sie die binär-zu-DNA-Kartierung: 00 → A, 01 → T, 10 → C, 11 → G. Wenden Sie die Abbildung an, um alle 1024 Bits in eine DNA-Sequenz umzuwandeln.
    DNA-Sequenz (Beispiel der ersten 20 Basen): ATGCCTTAGGTAGGCTATAC
  5. Mische die DNA-Sequenz. Verwenden Sie einen zeitbasierten Fisher-Yates-Mischalgorithmus, um die DNA-Sequenz zufällig zu randomisieren. Seeden Sie den Shuffle mit dem SHA-256-Hash des Systemzeitstempels und der Sitzungs-ID.

3. DNA-basierte Verschlüsselungsschlüsselbildung

  1. Segmentieren und transformieren. Teile die gemischte DNA-Sequenz in vier gleich große 256-Bit-Segmente auf: S1, S2, S3, S4. Wenden Sie eine DNA-XOR-Operation an, um zwei Schlüsselsegmente, K1 und K2, zu erzeugen, wie durch folgende Relationen definiert: K1=S1 S2figure-protocol-2K2=S3figure-protocol-3S4
  2. Stell den finalen DNA-Verschlüsselungsschlüssel zusammen. Kombinieren Sie die XOR-Ausgaben, um den endgültigen DNA-Verschlüsselungsschlüssel (DNADK) zu bilden: DNADK=K1||K2

4. Zweischichtige Schlüsselverschlüsselung und sichere Speicherung

  1. Wenden Sie die Verschlüsselung elliptischer Kurven an. Verschlüsseln Sie das DNADK mittels elliptischer Kurvenkryptographie mit dem privaten Schlüssel des Datenbesitzers.
  2. Wenden Sie RSA-OAEP-Verschlüsselung an. Verschlüsseln Sie das ECC-verschlüsselte Ergebnis mit RSA-OAEP mit dem öffentlichen Schlüssel des Empfängers.
  3. Speichere den verschlüsselten DNA-Schlüssel. Speichere das doppelt verschlüsselte DNADK im sicheren dna_keys-Verzeichnis.

5. Datenverschlüsselung und Upload in den Cloud-Speicher

  1. Klartext in Binärcode umwandeln. Teile die Originaldatei in binäre Blöcke gleicher Länge auf.
  2. Binärblöcke in das DNA-Format kodieren. Wenden Sie die in Schritt 2.4 beschriebene Binär-zu-DNA-Konvertierung auf die Binärblöcke an.
  3. Mischen und DNA-XOR anwenden. Mischen und transformieren Sie jeden DNA-codierten Block mit der in Schritt 3 definierten DNA-XOR-Logik.
  4. Fehlerkorrektur anwenden und die Verschlüsselung abschließen. Füge den DNA-codierten Daten Reed-Solomon-Fehlerkorrekturcodes hinzu. Speichern Sie die endgültige verschlüsselte Ausgabe im encrypted_output-Verzeichnis.
  5. Lade verschlüsselte Daten in die Cloud hoch. Übertragen Sie die verschlüsselten DNA-kodierten Dateien an den benannten Cloud-Service-Anbieter und protokollieren Sie den Upload mit den entsprechenden Metadaten.

6. Datenzugriff und sichere Entschlüsselung

  1. Authentifiziere den Nutzer. Verwenden Sie Multi-Faktor-Authentifizierungsmechanismen, um den Benutzerzugang zu validieren.
  2. Hol den verschlüsselten DNA-Schlüssel. Greifen Sie auf das verschlüsselte DNADK aus dem Secure Key Directory zu.
  3. Führen Sie die Schlüsselentschlüsselung durch. Verwenden Sie den privaten RSA-Schlüssel des Empfängers, gefolgt vom ECC-Privatschlüssel des Dateninhabers, um die ursprüngliche DNADK zu entschlüsseln.
  4. Rekonstruiere die Originaldaten. Wenden Sie die umgekehrte DNA-Kartierung, DNA-XOR-Dekodierung und Fehlerkorrekturdekodierung an, um die ursprünglichen Klartextdaten wiederherzustellen.

7. Optimierte Verwaltung von Benutzerkennungen

  1. Klassifizieren Sie Benutzerkennungen nach Länge und ordnen Sie sie in festgelegte Indexgruppen ein.
  2. Beschleunige Lookups, indem du indexierte Hashtabellen zusammen mit Caching-Strategien nutzt.
  3. Authentifizieren Sie Benutzer, indem Sie deren Identifikatoren vor der Gewährung des Zugriffs mit vorab berechneten kryptografischen Hashes überprüfen.

8. Sicherheits-, Schutz- und Compliance-Maßnahmen

  1. Schutz von DNA-abgeleiteten Schlüsseln: Speichern Sie DNADKs ausschließlich an verschlüsselten Orten mit strengen Zugriffsberechtigungen.
  2. Sichere Bereinigung temporärer Daten: Entfernen Sie Zwischendateien und Puffer mit zertifizierten Secure-Erase-Methoden.
  3. Sitzungsspezifische Keying: Erstelle für jede Sitzung ein eigenes DNADK, um die Vorwärtsgeheimhaltung zu wahren.

9. Testen und Validierung (Abbildung 2)

  1. Simulationsaufbau: Implementieren Sie das Protokoll in einer CloudSim 3.0.3-Umgebung, die so konfiguriert ist, dass sie bis zu 1.000 Benutzer gleichzeitig und einen Datensatz von 3 GB unterstützt.
  2. Leistungsindikatoren: Verfolgen Werte wie Schlüsselgenerierungslatenz, Verschlüsselungs-/Entschlüsselungszeit, Speicherbedarf, Entropieniveaus und Skalierbarkeit unter unterschiedlichen Lasten.
  3. Vergleichende Experimente: Bewerten Sie VDNABDS zusammen mit AES-256 + RSA-OAEP, ZMCACM, CSDES und RDIS unter gleichen Bedingungen.
  4. Skalierbarkeitsstudie: Erhöhen Sie schrittweise die Anzahl der gleichzeitigen Nutzer (100, 500, 1.000), während die Verschlüsselungs- und Entschlüsselungsleistung aufgezeichnet wird.
  5. Sicherheitsbewertung: Schätzung der Widerstandsfähigkeit gegen rohe Gewalt durch Messung des effektiven Schlüsselraums und der Entropie; Untersuchen Sie außerdem die theoretische Robustheit im Vergleich zu Shors und Grovers Quantenalgorithmen.
  6. Ressourcenbegrenzte Tests: Leichte Varianten auf einem Raspberry Pi 4 (1,5 GHz Quad-Core-CPU, 2 GB RAM) ausführen, um die Anwendbarkeit für IoT-Szenarien zu testen.
  7. Dokumentation und Reproduzierbarkeit: Erhalte Experimentausgaben, Protokolle und Leistungsberichte zur Unterstützung unabhängiger Validierung und Replikation.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Das vorgeschlagene VDNABDS-Protokoll wurde durch eine Reihe von simulierten Cloud-Umgebungsexperimenten bewertet, um seine Leistung sowohl mit traditionellen als auch mit anderen DNA-basierten kryptographischen Methoden zu bewerten. Evaluationsmetriken umfassten Schlüsselgenerierungszeit, Verschlüsselungs- und Entschlüsselungsgeschwindigkeiten, Schlüsselentropie und Skalierbarkeit unter unterschiedlichen Benutzerlasten11.

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Das Aufkommen der DNA-basierten Verschlüsselung hat eine neuartige Grenze in der postquantenmechanischen Kryptographie eröffnet. Die reale Akzeptanz hinkt jedoch aufgrund von Einschränkungen bei Reproduzierbarkeit, Skalierbarkeit und Hardwareabhängigkeit zurück. Techniken wie die von Ahmed et al. und Sharma et al. vorgeschlagenen adressierten bestimmte Cloud-Schwachstellen mit DNA- und Blockchain-Modellen, fehlten jedoch an dynamischer Key-Handling und zeigten eine begrenzte Widerstandsf...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren erklären, dass keine Interessenkonflikte im Zusammenhang mit der Veröffentlichung dieses Werks bestehen. Kein Autor hat persönliche, finanzielle oder berufliche Beziehungen, die als Einfluss auf die Ergebnisse oder die Interpretation dieser Forschung angesehen werden könnten. Alle Beiträge zu dieser Studie wurden ausschließlich zu akademischen und wissenschaftlichen Zwecken geleistet, und keine kommerziellen Verbindungen oder äußerer Druck beeinflussten das Design, die Durchführung oder die Berichterstattung der Ergebnisse.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren möchten der School of Computer Sciences, Odisha University of Technology and Research, ihren aufrichtigen Dank aussprechen für die Bereitstellung der Infrastruktur und akademischen Unterstützung, die diese Forschung ermöglicht haben. Ein besonderer Dank gilt der SENSE-Abteilung der VIT University, Andhra Pradesh, für ihre wertvollen technischen Erkenntnisse und die Zusammenarbeit während der Entwicklung des VDNABDS-Protokolls. Wir erkennen auch die Beratung und das konstruktive Feedback von Fakultätsmentoren und Peer-Reviewern an, die sowohl die Methodik als auch die Umsetzung dieser Arbeit verfeinert haben. Ihr Beitrag war entscheidend für die Verbesserung der Klarheit und wissenschaftlichen Strenge des endgültigen Modells. Diese Forschung erhielt keine spezifischen Fördermittel von öffentlichen, kommerziellen oder gemeinnützigen Förderorganisationen. Institutionelle Unterstützung in Form von Laborzugang, Softwareressourcen und Simulationswerkzeugen (wie CloudSim 3.0.3) war jedoch entscheidend für den erfolgreichen Abschluss dieses Projekts.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
JAVAOrakel
CloudSimGithub
PythonPython-Softwaregrundlage

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Bernstein, D. J., Lange, T. Post-quantum cryptography. Nature. 549 (7671), 188-194 (2017).
  2. Leier, A., Richter, C., Banzhaf, W., Rauhe, H. Cryptography with DNA binary strands. BioSyst. 57 (1), 13-22 (2000).
  3. Gehani, A., LaBean, T. H., Reif, J. H. DNA-based cryptography. Aspects Mol ComputLNCS. 2950, 167-188 (2004).
  4. Dash, B., et al. VDNABDS: A DNA-Based Cryptographic Protocol for Enhancing Cloud Security. J Vis Exp. , In Press (2025).
  5. Wang, C., Ren, K., Lou, W., Li, J. Toward publicly auditable secure cloud data storage services. IEEE Network. 24 (4), 19-24 (2010).
  6. Singh, A., Kumar, A., Namasudra, S. DNACDS: Cloud IoE big data security and accessing scheme based on DNA cryptography. Front Comp Sci. 18, 181801(2024).
  7. Alshahrani, A., et al. A secure data storage scheme using Blowfish with blockchain. J King Saud Uni Comp Info Sci. 34 (9), 6715-6726 (2022).
  8. Aarthy, R., Kanth, V. DESACS: DNA encryption-based secure access control and sharing in IoT-enabled cloud environment. Int J Sys Des Comput. 2 (1), 14-19 (2024).
  9. Chen, L., et al. Report on post-quantum cryptography. NIST IR 8105. , US Department of Commerce. (2016).
  10. Menezes, A., Van Oorschot, P., Vanstone, S. Handbook of Applied Cryptography. , CRC Press. Boca Raton. (1996).
  11. Kumari, S., Karuppiah, M., Li, X. Cloud security: Attacks, challenges, and solutions. Future Generat Comp Syst. 79, 849-861 (2018).
  12. Chen, L., et al. ZMCACM: A hybrid DNA and machine learning-based cryptosystem. J Cloud Comput. 11 (1), 122-136 (2022).
  13. Zhang, Y., et al. Chaos-based cryptography: Recent developments and applications. International J Bifurcat Chaos. 31 (9), 2150141(2021).
  14. Stallings, W. Cryptography and Network Security: Principles and Practice. , Pearson. Boston. (2017).
  15. Aarthy, R., Kanth, V. DESACS: DNA encryption-based secure access control and sharing in IoT-enabled cloud environment. Int J Sys Des Comput. 2 (1), 14-19 (2024).
  16. Hameed, S., Khan, F. I., Khan, S. U. A review of cloud computing and energy-efficient resource management techniques. Cluster Comput. 19, 1163-1182 (2016).
  17. Ahmed, R., Abbas, R., Javed, S., Khan, F. DNACDS: Cloud IoE Big Data Security and Accessing Scheme Based on DNA Cryptography. Comput Electr Eng. 101, 108012(2022).
  18. Sharma, A., Gupta, S. A Secure Blockchain and DNA-Based Authentication Framework for Cloud Data Integrity. J Netw Comput Appl. 175, 102936(2021).
  19. Shor, P. W. Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer. SIAM J Comput. 26 (5), 1484-1509 (1997).
  20. Paul, R., Nath, B. Bi-CRYPT: A Hybrid DNA-Based Cryptographic Algorithm. Int J Inf Secur. 19, 561-575 (2020).
  21. Zhang, X., Liu, C., Wang, T. CSDES: A Cloud-Secure DNA Encryption Scheme. IEEE Trans Cloud Comput. 8 (4), 1052-1063 (2019).
  22. Wang, J., Zhang, Y., Liu, R., Chen, M. ZMCACM: A DNA-Matrix-Based Cryptographic System for Cloud Encryption. Future Gener Comput Syst. 109, 195-206 (2020).
  23. Karthik, M., Ramesh, D. DNA-Based Lightweight Security Scheme for Edge Computing Devices. IEEE Access. 9, 109212-109225 (2021).
  24. Grover, L. K. A Fast Quantum Mechanical Algorithm for Database Search. Proc 28th Annu ACM Symp Theory Comput. (STOC). , 212-219 (1996).
  25. Li, Y., Zhou, H., Chen, H. An Efficient and Secure DNA Cryptographic Model with Chaotic Sequence and RSA. Comput Mater Continua. 71 (3), 4523-4536 (2022).
  26. Almaraz, J., Padilla, R. Dynamic DNA-Based Cryptographic Key Generation Using User Biometrics. J Inf Secur Appl. 57, 102723(2021).
  27. Chen, C., Zhang, W., Wang, X. Performance Evaluation of Lightweight Cryptographic Systems on IoT Edge Devices. J Syst Archit. 109, 101802(2020).
  28. Liu, W., Tang, Y., Zhang, Y. Hybrid Secure Model Integrating DNA and Homomorphic Encryption for Medical Cloud Storage. Comput Biol Med. 152, 106376(2023).
  29. Hu, Y., Zhao, L. Entropy-Aware Salt Generation Mechanism for Secure DNA Key Construction. Cryptogr Commun. 13, 119-138 (2021).
  30. Kiani, F., et al. Compression-based lightweight encryption methods for IoT security. IEEE Internet Things J. 7 (9), 8958-8969 (2020).
  31. Bonneau, J., Herley, C., Van Oorschot, P. C., Stajano, F. The quest to replace passwords: A framework for comparative evaluation of Web authentication schemes. IEEE Symp Security Privacy. , 553-567 (2012).
  32. A large-scale study of web password habits. Florêncio, D., Herley, C. Proc 16th Int Conf World Wide Web, , 657-666 (2007).
  33. Kocher, P., Jaffe, J., Jun, B. Differential power analysis. Adv Cryptol CRYPTO'99LNCS. 1666, 388-397 (1999).
  34. NIST. Post-Quantum Cryptography Standardization. , National Institute of Standards and Technology. (2025).
  35. Zhao, M., Wang, H., Lee, S. Efficient API Integration for Modular Cryptographic Services in Cloud Environments. J Cloud Comput. 10 (1), (2021).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

DNA Based EncryptionCloud SecurityCryptographic ProtocolDynamic Key GenerationBio Inspired SecurityQuantum Resistant EncryptionData PrivacyCloud Storage ProtectionAdaptive Security PatternsSecure Key Generation

Related Articles