Имам Чобанов

Работаю над постквантовыми алгоритмами шифрования на решетках и линейных кодах.

Изучаю classic ML и DL.

На постоянной основе занимаюсь оптимизацией аптайма до нуля, или как это еще называют “SRE”

1. 1

   Реализация алгоритма Плескена–Сувинье для решения задачи изоморфизма решеток

   SageMath, Python Определяет, задают ли два целочисленных базиса одну и ту же решётку.

   Даны два базиса. Нужно узнать, существует ли целочисленная замена базиса с определителем ±1, переводящая один в другой и сохраняющая все скалярные произведения. Перебором это не решается: группа GL(n, ℤ) бесконечна.

   Λ₁ ≅ Λ₂ ⟺ ∃U ∈ GL_n(ℤ) : U^TG₁U = G₂

   Алгоритм Плескена–Сувинье. Оба базиса LLL-редуцируются, короткие векторы перечисляются по Финке–Посту, кандидаты отсекаются по fingerprint — набору характеристик, инвариантных относительно изометрии, — и изометрия достраивается по одному вектору за раз с возвратом.

   Готовы класс решётки, LLL-редукция, перебор Финке–Поста и отсечение по fingerprint. Backtracking в работе.

   код

2. 2

   Lambda

   Rust Платформа-борда для CTF.

   CTFd на python был медленным, а Rust быстрый и безопасный. Также не нашел достойных аналогов CTFd на Rust, вот и решил сделать свой.

   код

3. 3

   C0dex Fun Club

   Python, Docker, CTFd Автономный решатель CTF: рой моделей разбирает задачи и сам сдаёт флаги.

   Хотелось агента, который решает задачу, а не подсказывает. Упирается всё в деньги: гонять несколько моделей на каждую задачу через платное API дорого, а без параллельных попыток решаемость падает.

   Координатор-LLM раздаёт задачи роям, внутри роя три модели гонятся за одним флагом — побеждает первая подтвердившая. Запросы идут через локальный cli-proxy-api по OAuth-аккаунтам, а не через тарифицируемое API: отсюда и экономия. Каждая задача живёт в своём Docker-контейнере; застрявшему решателю подсыпают находки соседей и новый бюджет шагов, а детектор зацикливаний и счётчик расходов не дают рою жечь токены впустую.

   код

Криптография

SageMath, Magma, CyberChef

Машинное Обучение — Классический ML и Глубокое Обучение

PyTorch, scikit-learn, pandas, NumPy, matplotlib

Инфраструктура

Docker, Nginx, Linux, Wireshark

Написать можно на pkd12305@gmail.com или в @hize_k.