Сформовано вимоги, вибрано метод і розглянуто основні етапи розроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі. Показано, що розроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі з високою ефективністю використання обладнання зво- диться до мінімізації апаратних затрат із забезпеченням множини вимог, характеристик і обме- жень. Вдосконалено таблично-алгоритмічний метод обчислення скалярного добутку завдяки можливості роботи з операндами з плаваючою комою та орієнтовано його на апаратно-програмну реалізацію. Розроблено на базі універсального процесорного ядра, доповненого спеціалізованими модулями, мобільні засоби нейроподібного криптографічного шифрування та дешифрування даних, які за рахунок взаємопоєднання універсального та спеціалізованого підходів, програмних і апаратних засобів забезпечують ефективну реалізацію алгоритмів криптографічного шифрування та дешифрування даних у реальному часі. Запропоновано для досягнення високих техніко- економічних показників під час реалізації спеціалізованих модулів нейроподібного крипто- графічного шифрування та дешифрування даних у реальному часі використовувати багато- операндний підхід, таблиці макрочасткових добутків і базис елементарних арифметичних операцій. Реалізовано з використанням мови програмування апаратури VHDL та середовища розроблення Quartus II вер. 13.1 на FPGA спеціалізовані модулі нейроподібного криптографічного шифрування та дешифрування даних. Здійснено оцінювання апаратних і часових параметрів розробленого спеціалізованого модуля нейроподібного криптографічного дешифрування даних.
- Volna E., Kotyrba M., Kocian V., Janosek M. (2012). Cryptography Based On Neural Network. Proceedings of the 26th European Conference on Modeling and Simulation, pp. 386-391. phttps://doi.org/10.7148/2012-0386-0391
- Shihab K. (2006). A backpropagation neural network for computer network security. Journal of Computer Science, Vol. 2, No. 9, pp. 710-715. phttps://doi.org/10.3844/jcssp.2006.710.715
- Sagar V., Kumar K. (2014). A Symmetric Key Cryptographic Algorithm Using Counter Propagation Network (CPN). Proceedings of the 2014 ACM International Conference on Information and Communication Technology for Competitive Strategies, ISBN 978-1-4503-3216-3. phttps://doi.org/10.1145/2677855.2677906
- Arvandi M., Wu S., Sadeghian A., Melek W.W., Woungang I. (2006). Symmetric cipher design using recurrent neural networks. Proceedings of the IEEE International Joint Conference on Neural Networks, pp. 2039- 2046. phttps://doi.org/10.1109/IJCNN.2006.246972
- Tsimbal Yu. V. (2018). Neural network method of symmetric data encryption. Bulletin of the National University «Lviv Polytechnic». Series: Information systems and networks. № 901. S. 118-122.
- Tsmots I., Tsymbal Y., Skorokhoda O., Tkachenko R. (2019). Neural-like methods and hardware structures for real-time data encryption and decryption. Computer Science and Information Technology, CSIT-2019: Proceedings of the XIV International Scientific and Technical Conference, September 17-20, 2019, Lviv, Ukraine. C. 248-253. phttps://doi.org/10.1109/STC-CSIT.2019.8929809
- Khavalko Viktor, Tsmots Ivan. (2019). Image classification and recognition on the base of autoassociative neural network usage. 2019 IEEE 2-nd Ukraine conference on electrical and computer engineering, UKRCON-2019 : conference proceedings (Lviv, Ukraine, July 2-6, 2019). C. 1118-1121. phttps://doi.org/10.1109/UKRCON.2019.8879774
- Tsmots Ivan, Rabyk Vasyl, Skorokhoda Oleksa, Teslyuk Taras. (2019). Neural element of parallel-stream type with preliminary formation of group partial products. Electronics and information technologies (ELIT-2019) : proceedings of the XI-th International scientific and practical conference, 16 -18 September, 2019, Lviv, Ukraine. C. 154-158. phttps://doi.org/10.1109/ELIT.2019.8892334
- Tsmots I., Rabyk V., Skorokhoda O., Tsymbal Y. (2021). Neural-like real-time data protection and transmission system. Advances in Intelligent Systems and Computing (AISC). Vol. 1293 : Advances in Intelligent Systems and Computing V. Selected papers from the International conference on computer science and information technologies. phttps://doi.org/10.1007/978-3-030-63270-0_8
- Tsmots I. G, Lukaschuk Yu. A., Havalko V. M, Rabik V. G. (2019). Models of neuro-like element of parallel-parallel type. Modeling and information technology. Vip. 86. S. 119-126.
- Tsmots Ivan, Skorokhoda Oleksa, Ignatyev Ihor, Rabyk Vasyl. (2017). Basic Vertical-Parallel Real Time Neural Network Components. Proceedings of XIIth International Scientific and Technical Conference CSIT 2017. 5-8 September 2017. Lviv, Ukraine, pp. 344-347. phttps://doi.org/10.1109/STC-CSIT.2017.8098801
- Tsmots I. G, Skorokhoda O. V. (2011). Device for calculating the scalar product. Patent of Ukraine for utility model №66138, bull. № 24.
- Tsmots I. G, Skorokhoda O. V., Teslyuk V. M. (2013). Device for calculating the scalar product. Patent of Ukraine for the invention №101922, 13.05.2013 bull. № 9.
- Tsmots I. G, Skorokhoda O. V., Medikovsky M. O. (2019). Device for calculating the scalar product. Patent of Ukraine for the invention №118596, 11.02.2019, bull. № 3.
- Tsmots I. G, Teslyuk V. M, Teslyuk T. V, Medikovsky M. O, Tsymbal Y. V. (2019). Device for calculating the sums of paired products. Patent of Ukraine № 120210, 25.10.2019, bull. № 20/2019.