깊은 무작위성으로 구현하는 완전 비밀통신

초록

본 논문은 숨겨진 확률분포에 기반한 ‘깊은 무작위성(Deep Random)’ 개념을 도입하고, 이를 이용해 기존 샤논 한계를 초월하는 완전 비밀 교환 프로토콜을 제안한다. 두 정당한 참여자는 사전에 공유된 비밀 없이도 무제한 연산 능력을 가진 적에게 거의 완전한 비밀성을 제공한다는 주장이다.

상세 분석

논문은 먼저 ‘깊은 무작위성’이라는 새로운 확률론적 가정을 제시한다. 이는 관찰자가 알 수 없는 숨겨진 확률분포에서 표본을 추출하는 상황을 가정하며, 기존의 확률 변수와는 달리 분포 자체가 비공개라는 점에서 차별화된다. 저자는 이를 정형화하기 위해 ‘숨겨진 분포 가정(Axiom of Hidden Distribution)’이라는 새로운 공리를 도입한다. 이 공리는 “관찰자는 어떠한 통계적 검증도 통해 실제 분포를 추정할 수 없다”는 전제를 명시한다. 그러나 이 전제는 실제 물리적 혹은 수학적 근거가 부족하며, 무한히 큰 표본을 수집할 경우 통계적 수렴이 불가피하다는 점에서 모순 가능성이 있다.

프로토콜 설계 단계에서는 두 사용자가 서로 독립적인 깊은 무작위성을 생성하고, 이를 기반으로 일련의 교환을 수행한다. 핵심은 각 단계에서 발생하는 메시지가 적에게는 완전한 무작위성으로 보이게 하면서, 정당 사용자에게는 내부적인 숨겨진 분포 정보를 활용해 복호화가 가능하도록 하는 것이다. 저자는 이를 ‘분포 기반 키 동기화’라 부르며, 전통적인 공개키 암호와 달리 사전 공유된 비밀이 필요 없다고 주장한다.

보안 증명에서는 ‘정보 이론적 완전 비밀(Perfect Secrecy)’을 정의하고, 적의 관측값과 숨겨진 분포 사이의 상호 정보량이 0에 수렴함을 보인다. 하지만 증명 과정에서 중요한 가정인 ‘적이 숨겨진 분포에 대한 어떠한 사전 지식도 갖지 않는다’는 가정이 현실적이지 않다. 실제 공격자는 과거 통신 기록, 시스템 구현 세부사항, 물리적 측면 등을 통해 분포에 대한 추정이 가능하다. 또한, 무한히 큰 연산 능력을 가정한다면, 적은 통계적 학습 알고리즘을 이용해 숨겨진 분포를 근사할 수 있으며, 이는 논문의 보안 주장에 직접적인 위협이 된다.

수학적 엄밀성 측면에서도, 새로운 공리를 기존 확률론에 일관되게 삽입했는지에 대한 검증이 부족하다. 기존 확률론은 베이즈 정리와 같은 기본 원리를 기반으로 하는데, 숨겨진 분포 가정은 이러한 원리를 무시하거나 제한한다. 따라서 전체 프레임워크가 기존 이론과 충돌할 위험이 있다.

결론적으로, 논문은 혁신적인 아이디어를 제시했지만, ‘깊은 무작위성’이라는 가정의 실현 가능성, 보안 증명의 강건성, 그리고 기존 확률론과의 일관성 측면에서 여러 미비점이 존재한다. 향후 연구에서는 숨겨진 분포를 실제로 구현하거나 근사할 수 있는 물리적 메커니즘을 제시하고, 보다 엄격한 정보이론적 증명을 제공해야 한다.