Artículo de investigación

VDNABDS, un protocolo criptográfico basado en ADN para mejorar la seguridad en la nube

DOI:

10.3791/68843

⸱

5 de diciembre de 2025

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

En este artículo

Resumen

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

El objetivo del protocolo VDNABDS es mejorar la seguridad en la nube mediante técnicas de cifrado basadas en ADN para generar claves rápidas e inquebrantables. Su objetivo es proteger datos sensibles contra ataques de fuerza bruta y cuánticos, asegurando al mismo tiempo un alto rendimiento, escalabilidad e integración fluida con los sistemas modernos en la nube.

Resumen

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

Los sistemas modernos de almacenamiento en la nube suelen tener dificultades para equilibrar la seguridad y el alto rendimiento; el cifrado con alto rendimiento tiende a ralentizar las operaciones, mientras que soluciones más rápidas pueden comprometer la seguridad de los datos. Para resolver esto, desarrollamos la Seguridad de Datos Basada en ADN Variacional (VDNABDS), un sistema de cifrado de próxima generación inspirado en la estructura biológica del ADN. En lugar de depender únicamente de algoritmos matemáticos tradicionales, este método convierte la información específica del usuario en secuencias similares a ADN usando los cuatro nucleótidos (A, T, C, G), y luego aplica técnicas inteligentes de barajado y transformación para proteger los archivos almacenados en la nube. Este método combina la generación dinámica de claves con patrones inspirados en la biotecnología, logrando cifrado rápido sin sacrificar protección. En las pruebas, este método generó claves seguras en solo 5 ms, lo que es 15 veces más rápido que modelos existentes como Cloud Security with Dynamic Encryption Sequences (CSDES), y completó el cifrado completo en 4 s, incluso bajo una alta carga de usuarios de casi 1.000 usuarios simultáneos. El método propuesto también proporciona una defensa excepcional contra amenazas cibernéticas, ofreciendo combinaciones únicas de teclas 1 x10 38, haciendo prácticamente imposibles ataques de fuerza bruta y cuánticos. Su diseño adaptativo actualiza constantemente los patrones de seguridad, lo que la hace altamente resistente a la intrusión. Lo importante es que se integra de forma fluida con las plataformas en la nube existentes, permitiendo un acceso rápido a los datos y manteniendo fuertes salvaguardas de privacidad. Experimentos reales demostraron que VDNABDS supera consistentemente a los modelos tradicionales de cifrado tanto en velocidad como en fiabilidad. Con su arquitectura robusta, escalable e independiente del hardware, este sistema es especialmente adecuado para sectores como la sanidad, las finanzas y la defensa, donde la sensibilidad de los datos es fundamental. De cara al futuro, nuestro objetivo es ampliar este modelo de cifrado biológico a smartphones y dispositivos de Internet de las Cosas (IoT), allanando el camino para una nueva era de protección de datos rápida, segura y resistente a la cuantía.

Introducción

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

La computación en la nube se ha convertido en esencial para los servicios de datos modernos, ofreciendo flexibilidad, escalabilidad y eficiencia. Sin embargo, con esta adopción generalizada aumenta la exposición a amenazas cibernéticas, especialmente aquellas que apuntan a la confidencialidad e integridad de los datos. Los algoritmos de cifrado tradicionales como AES-256 y RSA, aunque ampliamente utilizados, enfrentan limitaciones crecientes. Estos métodos requieren grandes recursos computacionales y son vulnerables a tecnologías en evolución como la computacióncuántica 1. Esto genera una necesidad urgente de sistemas de cifrado novedosos que sean ligeros, escalables y a prueba de futuro.

La criptografía basada en ADN ha surgido como una alternativa prometedora debido a su inherente complejidad, aleatoriedad y potencial para el cálculoparalelo 2. Sin embargo, el atractivo teórico de estos métodos a menudo choca con su implementación práctica. La mayoría de los esquemas basados en ADN existentes han tenido dificultades para ser aplicables en el mundo real, ya que a menudo dependen del hardware, requieren equipos de laboratorio especializados o carecen del rendimiento y escalabilidad necesarios para entornos dinámicosen la nube 3. Estas limitaciones han creado una brecha significativa entre la promesa teórica de la seguridad inspirada en la bio y su aplicabilidad práctica.

Para abordar esto, presentamos Variational DNA Based Data Security (VDNABDS), un marco de cifrado basado en software que transforma entradas específicas del usuario en claves dinámicas similares al ADN mediante operaciones SHA-256 y XOR. El método permite generar claves en menos de 5 ms y cifra grandes volúmenes de datos en solo 4 s, superando significativamente a modelos anteriores como CSDES y ZMCACM4. VDNABDS soporta más de 1 x 1038 combinaciones únicas de teclas, proporcionando una fuerte protección contra ataques de fuerza bruta y cuánticos.

Aunque muchos investigadores han explorado soluciones para la seguridad en la nube, a menudo se centran en problemas específicos e aislados. Por ejemplo, Wang et al.5 propusieron un modelo de autenticación segura para la computación en la nube, pero carece de capacidades de cifrado a nivel de contenido. De manera similar, Ahmed et al.6desarrollaron DNACDS para entornos IoE, pero el esquema sufre de una escalabilidad limitada en pruebas en tiempo real. Otros esfuerzos combinan Blowfish con blockchain7o aplican ADN para el controlde acceso 8, pero a menudo no logran mejorar ni en adaptabilidad. VDNABDS cubre estas lagunas con su estrategia de cifrado rápida, independiente del hardware y específica de sesión, que se valida usando CloudSim con un gran conjunto de datos y usuarios concurrentes.

En resumen, este trabajo ofrece las siguientes contribuciones clave al campo de la seguridad en la nube y la criptografía basada en ADN. Presentamos VDNABDS, un novedoso marco criptográfico solo de software que transforma información específica del usuario en claves de cifrado dinámicas similares al ADN. Demostramos un rendimiento y escalabilidad excepcionales, con VDNABDS logrando la generación de claves en solo 5 ms y cifrando un conjunto de datos de 3GB en 4,1 s, superando modelos existentes como ZMCACM y AES-256. Validamos la seguridad post-cuántica del protocolo demostrando una clave derivada del ADN de 1024 bits y transformaciones no algebraicas, que proporcionan un nivel de seguridad muy superior al umbral del NIST y resisten tanto los algoritmos de Shor como los deGrover 9. Proponemos un esquema de protección de clave de doble capa que combina criptografía de curvas elípticas (ECC) y RSA-OAEP para envolver de forma segura la clave de ADN, mejorando su resistencia contra ataques de fuerza bruta yrepetición 10.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

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

Esta investigación no involucró participantes humanos, animales ni el uso de muestras biológicas. Todas las pruebas y evaluaciones se realizaron con datos generados artificialmente, incluyendo identificadores aleatorios como direcciones MAC, fechas de nacimiento y cadenas de contraseñas. No se recopiló, retuvo ni examinó información personal o sensible en ninguna etapa. Dentro del protocolo VDNABDS (Figura 1), las claves basadas en entrada estaban restringidas a valores sintéticos y no rastreables, sirviendo únicamente para ilustrar el rendimiento y los resultados funcionales en un entorno controlado. Cada paso del estudio se llevó a cabo conforme a las políticas institucionales sobre experimentación en ciberseguridad y manejo ético de datos, asegurando la alineación con los estándares internacionales de protección de la privacidad y prácticas de investigación responsables.

1. Preparación del sistema

  1. Instala las herramientas necesarias: Instala un kit de simulación en la nube en un entorno Java usando una versión JDK compatible (por ejemplo, la versión 8 o posterior). Utiliza cualquier entorno de desarrollo integrado (IDE) compatible con Java para ejecutar el proyecto.
  2. Configura el entorno del sistema. Configura un entorno Python (versión 3.8 o posterior) con bibliotecas estándar para hashing, generación aleatoria y operaciones binarias. Crea una estructura de directorios con carpetas llamadas input_data, dna_keys y encrypted_output.
  3. Defina los módulos de sal y CRC . Inicializar un valor de sal a nivel de sistema de 128 bits y una función de comprobación de redundancia cíclica (CRC32). Estos deben almacenarse de forma segura en la memoria del sistema.
  4. Establece parámetros criptográficos. Utiliza una curva elíptica estándar, como secp384r1, para cifrado asimétrico. Configura RSA-OAEP con un tamaño de clave de 4096 bits para cifrado de clave pública.

2. Generación de claves inteligentes usando mapeo de ADN

  1. Recoge entradas específicas de cada usuario. Recopila la dirección MAC del usuario, la fecha de nacimiento (en formato DD-MM-YYYY) y una contraseña fuerte.
  2. Concatenar y hacer hash de entradas. Concatena las entradas específicas del usuario y aplica un hash SHA-256. Trunca el hash a 128 bits y conviértelo a binario.
    Ejemplo de entrada: MAC: 00-1B-44-11-3A-B7 fecha de nacimiento: 15-08-2000Contraseña: StrongP@ssword123SHA-256 Hash (Truncado a 128 bits): b7e23ec29af22b0b4e41da31e868d572
  3. Expande la secuencia binaria. XOR el hash de 128 bits (H) con una sal de 128 bits (S) para producir el resultado XOR (X). X=Hfigure-protocol-1S
    Ejemplo de sal: e3f3cd1a49d20a7c3b8abf243e7211e8
    Añade una suma de comprobación CRC32 (C) y una almohadilla aleatoria de 864 bits (P) para formar la secuencia binaria final de 1024 bits (R). R=X||C||P
  4. Convierte binario en secuencia de ADN. Utiliza el mapeo binario-ADN: 00 → A, 01 → T, 10 → C, 11 → G. Aplica el mapeo para convertir los 1024 bits en una secuencia de ADN.
    Secuencia de ADN (ejemplo de las primeras 20 bases): ATGCCTTAGGTAGTATAC
  5. Baraja la secuencia de ADN. Utiliza un algoritmo de barajado de Fisher-Yates con semilla temporal para aleatorizar la secuencia de ADN. Semilla el shuffle usando el hash SHA-256 de la marca de tiempo del sistema y el ID de sesión.

3. Formación de claves de cifrado basada en ADN

  1. Segmentar y transformar. Divide la secuencia de ADN barajada en cuatro segmentos iguales de 256 bits: S1, S2, S3, S4. Aplicar una operación DNA-XOR para crear dos segmentos clave, K1 y K2, según se definen por las siguientes relaciones: K1=S1figure-protocol-2S2 K2=S3figure-protocol-3S4
  2. Ensamblar la clave final de cifrado de ADN. Combinar las salidas XOR para formar la clave final de cifrado de ADN (DNADK): DNADK=K1||K2

4. Cifrado de claves de doble capa y almacenamiento seguro

  1. Aplica cifrado por curva elíptica. Cifra el DNADK usando criptografía de curvas elípticas con la clave privada del propietario de los datos.
  2. Aplica cifrado RSA-OAEP. Cifrar el resultado cifrado con ECC usando RSA-OAEP con la clave pública del destinatario.
  3. Guarda la clave de ADN cifrada. Guarda el DNADK cifrado dual en el directorio seguro de dna_keys.

5. Cifrado de datos y subida a almacenamiento en la nube

  1. Convierte texto plano a binario. Divide el archivo original en bloques binarios de igual longitud.
  2. Codificar bloques binarios en formato ADN. Aplica la conversión binaria a ADN descrita en el paso 2.4 a los bloques binarios.
  3. Baraja y aplica DNA-XOR. Baraja y transforma cada bloque codificado en ADN usando la lógica DNA-XOR definida en el paso 3.
  4. Aplica la corrección de errores y finaliza el cifrado. Añadir códigos de corrección de errores Reed-Solomon a los datos codificados en ADN. Almacena la salida cifrada final en el directorio encrypted_output.
  5. Sube datos cifrados a la nube. Transfiere los archivos codificados con ADN cifrado al proveedor de servicios en la nube designado y registra la subida con los metadatos correspondientes.

6. Acceso a datos y descifrado seguro

  1. Autentica al usuario. Utiliza mecanismos de autenticación multifactor para validar el acceso del usuario.
  2. Recupera la clave de ADN cifrada. Accede al DNADK cifrado desde el directorio de claves seguras.
  3. Realiza la descifración de claves. Utiliza la clave privada RSA del destinatario, seguida de la clave privada ECC del propietario de los datos, para descifrar el DNADK original.
  4. Reconstruir los datos originales. Aplica el mapeo inverso de ADN, la decodificación DNA-XOR y la decodificación de corrección de errores para recuperar los datos originales del texto plano.

7. Gestión optimizada de identificadores de usuario

  1. Clasifica los identificadores de usuario según la longitud y asignalos a grupos de índice designados.
  2. Acelera las búsquedas aprovechando tablas hash indexadas junto con estrategias de caché.
  3. Autenticar a los usuarios verificando sus identificadores frente a hashes criptográficos precalculados antes de permitir el acceso.

8. Medidas de seguridad, protección y cumplimiento

  1. Protección de claves derivadas del ADN: Almacenar DNADKs exclusivamente en ubicaciones cifradas con permisos de acceso estrictos.
  2. Limpieza segura de datos temporales: Eliminar archivos intermedios y búferes mediante métodos certificados de borrado seguro.
  3. Claves específicas de sesión: Crea un DNADK distinto para cada sesión para preservar el secreto hacia adelante.

9. Pruebas y validación (Figura 2)

  1. Configuración de simulación: Implementa el protocolo dentro de un entorno CloudSim 3.0.3 configurado para soportar hasta 1.000 usuarios simultáneamente y un conjunto de datos de 3 GB.
  2. Indicadores de rendimiento: Rastrea valores como la latencia de generación de claves, el tiempo de cifrado/descifrado, los requisitos de memoria, los niveles de entropía y la escalabilidad bajo cargas variables.
  3. Experimentos comparativos: Evaluar VDNABDS junto con AES-256 + RSA-OAEP, ZMCACM, CSDES y RDIS bajo condiciones equivalentes.
  4. Estudio de escalabilidad: Aumentar gradualmente el número de usuarios concurrentes (100, 500, 1.000) mientras se registra el cifrado y el rendimiento de descifrado.
  5. Evaluación de seguridad: Estimar la resistencia a la fuerza bruta midiendo el espacio de claves efectivo y la entropía; también, examinar la robustez teórica frente a los algoritmos cuánticos de Shor y Grover.
  6. Pruebas con recursos limitados: Ejecutar variantes ligeras en una Raspberry Pi 4 (CPU de cuatro núcleos de 1,5 GHz, 2 GB de RAM) para probar la aplicabilidad en escenarios tipo IoT.
  7. Documentación y reproducibilidad: Conservar los resultados de los experimentos, registros e informes de rendimiento para apoyar la validación y replicación independientes.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

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

El protocolo VDNABDS propuesto fue evaluado mediante una serie de experimentos simulados en entornos de nube para evaluar su rendimiento frente a métodos criptográficos tradicionales y otros basados en ADN. Las métricas de evaluación incluyeron el tiempo de generación de claves, las velocidades de cifrado y descifrado, la entropía de las claves y la escalabilidad bajo cargas variablesde usuario 11.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

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

La aparición del cifrado basado en ADN ha abierto una nueva frontera en la criptografía postcuántica. Sin embargo, la adopción en el mundo real ha quedado rezagada debido a limitaciones en la reproducibilidad, escalabilidad y dependencia del hardware. Técnicas como las propuestas por Ahmed et al. y Sharma et al. abordaron ciertas vulnerabilidades en la nube utilizando modelos de ADN y blockchain, pero carecían de manejo dinámico de claves y mostraron una resistencia limitada a entornos d...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

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

Los autores declaran que no existen conflictos de interés relacionados con la publicación de esta obra. Ningún autor tiene relaciones personales, financieras o profesionales que puedan percibirse como influyentes en los resultados o la interpretación de esta investigación. Todas las contribuciones a este estudio se realizaron únicamente con fines académicos y científicos, y ninguna afiliación comercial ni presión externa influyó en el diseño, ejecución o informe de los hallazgos.

Agradecimientos

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

Los autores desean expresar su sincero agradecimiento a la Escuela de Ciencias de la Computación de la Universidad de Tecnología e Investigación de Odisha, por proporcionar la infraestructura y el apoyo académico que hicieron posible esta investigación. Se extiende un agradecimiento especial al Departamento SENSE de la Universidad VIT, Andhra Pradesh, por sus valiosos conocimientos técnicos y colaboración durante el desarrollo del protocolo VDNABDS. También agradecemos la orientación y los comentarios constructivos de los profesores mentores y revisores que ayudaron a perfeccionar tanto la metodología como la implementación de este trabajo. Su aportación fue fundamental para mejorar la claridad y el rigor científico del modelo final. Esta investigación no recibió ninguna subvención específica de organismos públicos, comerciales o sin ánimo de lucro. Sin embargo, el apoyo institucional en forma de acceso al laboratorio, recursos de software y herramientas de simulación (como CloudSim 3.0.3) fue crucial para completar con éxito este proyecto.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
JAVAOráculo
CloudSimGithub
PythonFundación de software en Python

Referencias

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

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Cifrado basado en ADNgeneraci n de claves din micasseguridad bioinspiradacifrado resistente a la computaci n cu nticaprivacidad de datosprotecci n de almacenamiento en la nubepatrones de seguridad adaptativosgeneraci n de claves seguras

Artículos relacionados