Optimasi Algoritma Genetika untuk Enkripsi RSA dengan Pendekatan Paralel Programing Multiprocessing

Muhammad Rifqy Abdul Gofur Al Fatah, M Shochibul Burhan

Abstract


Peningkatan penggunaan internet dalam komunikasi real-time telah menciptakan tantangan baru dalam keamanan data, terutama dalam hal efisiensi proses enkripsi RSA yang memerlukan komputasi intensif. Penelitian ini mengusulkan pendekatan optimasi menggunakan kombinasi Algoritma Genetika (AG) dan teknik multiprocessing untuk meningkatkan performa enkripsi RSA. Metode yang diusulkan mengimplementasikan AG dengan pembagian proses seleksi, crossover, dan mutasi menjadi empat prosesor parallel menggunakan teknik synchronization barrier. Hasil pengujian menunjukkan bahwa pendekatan multiprocessing memberikan peningkatan signifikan dibandingkan metode single-threaded, dengan peningkatan nilai fitness dari 0.85 menjadi 0.90 pada 50 iterasi dan pengurangan waktu komputasi sebesar 25% (dari 0.9762 detik menjadi 0.732 detik). Peningkatan performa ini konsisten pada pengujian dengan iterasi yang lebih tinggi, mencapai nilai fitness 0.96 pada 250 iterasi dengan waktu komputasi 37% lebih cepat dibandingkan metode konvensional. Hasil ini menunjukkan bahwa kombinasi AG dan multiprocessing efektif dalam mengoptimalkan proses enkripsi RSA untuk aplikasi yang membutuhkan keamanan tinggi dengan respon cepat.

Keywords


Genetic Algorithm, RSA, Multiprocessing, Parallel Computing

Full Text:

PDF

References


J. Katz and Y. Lindell, INTRODUCTION TO MODERN CRYPTOGRAPHY: Second Edition. 2014. doi: 10.1201/b17668.

A. Saini, A. Tsokanos, and R. Kirner, “Quantum Randomness in Cryptography—A Survey of Cryptosystems, RNG-Based Ciphers, and QRNGs,” Inf., vol. 13, no. 8, 2022, doi: 10.3390/info13080358.

E. Ochoa-Jimenez, L. Rivera-Zamarripa, N. Cruz-Cortes, and F. Rodriguez-Henriquez, “Implementation of RSA Signatures on GPU and CPU Architectures,” IEEE Access, vol. 8, pp. 9928–9941, 2020, doi: 10.1109/ACCESS.2019.2963826.

D. Kučak, V. Juričić, and G. Đambić, “Application of genetic algorithms in higher education area,” in Annals of DAAAM and Proceedings of the International DAAAM Symposium, 2019, pp. 343–347. doi: 10.2507/30th.daaam.proceedings.045.

Q. Li, Y. Yang, and X. Kang, “Parallel Computing Model Based on Python in Quantitative Analysis,” in Proceedings of SPIE - The International Society for Optical Engineering, 2022. doi: 10.1117/12.2639265.

Dua M Ghadi, “A STUDY ON MODIFIED RSA CRYPTOSYSTEM” International Journal of Applied Sciences and Technology,Vol.5 2023. ISSN: 2717-8234.

Nivetha, A., S. Preethy Mary, and J. Santosh Kumar., "Modified RSA encryption algorithm using four keys.," International Journal of Engineering Research & Technology (IJERT), vol. 3, no. 7, pp. 1-5, 2015

Sourabh Katoch, Sumit Singh Chauhan, Vijay Kumar, "A review on genetic algorithm: past, present, and future" Computer Science and Engineering Department, National Institute of Technology, Hamirpur, India, Multimedia Tools and Applications (2021) 80:8091–8126

Sasan Mahmoudinazlou and Changhyun Kwon "A Hybrid Genetic Algorithm for the min-max Multiple TravelingSalesman Problem" arXiv:2307.07120v3 [cs.NE] 28 Oct 2023

Harvinder Singh and Dr. Gurdev Singh "An Introduction to Multiprocessing in Parallel Environment" Conference: Proceedings of the 2nd National Conference on Advancements in the Era of Multi Disciplinary Systems (AEMDS) Mei - 2024


Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 M Shochibul Burhan, Muhammad Rifqy Abdul Gofur Al Fatah

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.