Hebbian learning rule [1][4], Anti-

Hebbian learning rule [1][4], Anti-Hebbian learning
rule, or random walk method. The synchronization is
continued till the weights become same in both the
Tree Parity Machines [13]. Once the weights are
synchronized, they are used to generate the neural
key which is used to encrypt and decrypt the emails
using Rijndael method [8]. In electronic mails service,
generally all mails are scanned by the email service
providers before delivering them to the recipients. So
it is risky to send confidential in unencrypted form.
In our process, an extra layer of security is added to
the emails and thus it can be also prevented from
attackers from retrieving the emails by masquerading.
This is beneficial when some confidential email is to
be sent by companies, governments, etc and the
confidentiality and integrity is to be preserved. The
proposed flow diagram for Email Encryption using
Neural Cryptography is shown in Fig 2.

Kết quả (Việt) 1:

Hebbian học quy tắc [1] [4], Anti-Hebbian họcquy tắc, hoặc phương pháp ngẫu nhiên đi. Việc đồng bộtiếp tục đến trọng lượng trở thành giống nhau trong cả hai cácCây tương đương máy [13]. Một khi các trọng lượngđồng bộ hóa, chúng được sử dụng để tạo ra các nơ-ronphím được sử dụng để mã hóa và giải mã các emailsử dụng Rijndael phương pháp [8]. Trong dịch vụ thư điện tử,nói chung tất cả các thư được quét bởi các dịch vụ emailnhà cung cấp trước khi phân phối chúng cho người nhận. Vì vậynó là nguy hiểm để gửi bí mật trong biểu mẫu không được mã hóa.Trong quá trình của chúng tôi, thêm một lớp bảo mật được thêm vàocác email và do đó nó có thể cũng ngăn ngừa từkẻ tấn công từ lấy các email bằng cách giả mạo.Điều này có lợi khi một số email bí mật là đểđược gửi bởi công ty, chính phủ, vv và cácbảo mật và tính toàn vẹn là cần được bảo vệ. Cácđề xuất sơ đồ dòng chảy bằng cách sử dụng Email mã hóaMật mã học thần kinh được minh họa trong hình 2.

Kết quả (Việt) 2:

Quy tắc Hebbian học tập [1] [4], học tập Anti-Hebbian
quy tắc, hoặc phương pháp đi bộ ngẫu nhiên. Việc đồng bộ hóa được
tiếp tục cho đến khi trọng lượng trở nên giống nhau trong cả hai
máy Tree Parity [13]. Một khi trọng lượng được
đồng bộ, chúng được sử dụng để tạo ra các thần kinh
quan trọng được sử dụng để mã hóa và giải mã các email
bằng cách sử dụng phương pháp Rijndael [8]. Trong dịch vụ thư điện tử,
nói chung tất cả các thư được quét bởi các dịch vụ email
các nhà cung cấp trước khi phân phối chúng đến người nhận. Vì vậy,
nó là nguy hiểm để gửi mật ở dạng không được mã hóa.
Trong quá trình của chúng tôi, thêm một lớp bảo mật được thêm vào
các email và do đó nó cũng có thể được ngăn chặn từ
kẻ tấn công từ lấy các email bằng cách giả mạo.
Điều này là có lợi khi một số email bí mật là để
được gửi bởi các công ty, các chính phủ, vv và các
bí mật và toàn vẹn là được bảo tồn. Các
sơ đồ dòng chảy được đề xuất cho Email Encryption sử dụng
Neural Cryptography được thể hiện trong hình 2.