• Saltar a la navegación principal
  • Saltar al contenido principal
  • Saltar a la barra lateral principal
  • Saltar al pie de página

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Herramientas
  • Tienda

Comparación entre los cifrados DES y AES

julio 8, 2019 Por Daniel Rodríguez Deja un comentario

Hace poco me encontré con alguien que todavía estaba utilizando el algoritmo DES (Data Encryption Standard) para el cifrado de los datos en sus aplicaciones. Un algoritmo que hoy en día se considera inseguro. Por lo que no debería utilizarse en aplicaciones modernas, reemplazandolo por AES (Advanced Encryption Standard). A continuación, se comparar DES y AES para comprobar porque no se debe utilizar ya DES.

DES

DES es un algoritmo de cifrado de clave simétrica publicado como estándar FIPS (Federal Information Processing Standard) en 1976. Siendo retirado oficialmente el 19 de mayo de 2005. El desarrollo del cifrado CES fue desarrollado hace más de 45 años por el gobierno federal de los Estados Unidos. Con la idea de proporcionar un estándar de seguridad criptográfica que garantice la interconexión entre los sistemas gubernamentales.

Los desafíos DES

A finales de la década de 1990 se lanzaron diferentes desafíos para comprobar el esfuerzo necesario para romper el cifrado DES. Observándose que DES ya no era adecuado como sistema de cifrado. Los resultados de los desafíos fueron:

  • Desafío DES I: mediante un ataque de fuerza fruta se tardó solamente 96 días el cifrado de un mensaje en 1997.
  • Desafío DES II: un año después del desafío DES I, en 1998, se lanzaron dos desafíos nuevos desafíos. En el primero, a principios de año, se tardó 39 días en romper un mensaje cifrado con DES. Por otro lado, el segundo, lanzado en julio, solamente fueron necesarios 56 horas para romper el cifrado.
  • Desafío DES III: lanzado en enero de 1999 se resolvió en poco más de 22 horas.

Estos desafíos demostraron que DES no era seguro ya a finales de la década de 1990, hace ya más de 20 años. Siendo hoy en día, debido al continuo aumento de la potencia de cálculo de los procesados, todavía más fácil romper el cifrado de este algoritmo. Incluso triple DES, un algoritmo en el que se utiliza DES tres veces, no es seguro frente a ataques de fuerza bruta.

AES

El algoritmo AES también es un estándar FIPS, pero este ha sido publicado en 2001. El cifrado de datos AES es un algoritmo criptográfico más elegante y eficiente, pero su principal fortaleza reside en la opción de utilizar diferentes longitudes de clave. Pudiéndose elegir entre claves de 128, 192 o 256 bits, lo que lo hace mucho más robusta que la clave de sólo 56 bits empleada en DES.

AES además es un algoritmo eficiente tanto en implementaciones de software como de hardware, cosa que no sucedía con DES. Las implementaciones software de DES no eran eficientes.

Conclusiones

En la entrada de hoy se ha visto una comparación entre DES y AES y porque no debería utilizarse el algoritmo DES para el cifrado de datos. Por un lado, los ordenadores de hacer más de 20 años ya era capaces romper la encriptación en horas. Además de esto ha sido retirado como estándar en 2005, hace más de una década. Por todo esto, si aún estamos utilizando DES o triple DES para cifrar nuestros datos deberíamos cambiar este por AES.

Imágenes: Pixabay (Darwin Laganzon)

No te olvides valorar esta entrada

Sin votos
Por favor espera...

Archivado en: Criptografía

Entrada anterior: « Nueva frecuencia de publicaciones en verano
Siguiente entrada: Rutas de archivo en Matlab »

Interacciones del lector

Deja un comentario Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Contenido relacionado

Barra lateral primaria

Tiendas afiliadas

Realiza tus compras mediante los enlaces y colabora con la web, todo sin coste adicional para ti. También puedes ver nuestra tienda. ¡Gracias!
Aliexpress Amazon Banggood Gearbest

Seguir a Analytics Lane

  • twitter
  • pinterest
  • youtube
  • telegram
  • github
  • rss

Seguir en Feedly

follow us in feedly

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Política de Privacidad

Lo mejor valorado

  1. Seleccionar filas y columnas en Pandas con iloc y loc
    Puntuación: 5.0/5. 5 votos.
  2. Unir y combinar dataframes con pandas en Python
    Puntuación: 5.0/5. 5 votos.
  3. Eliminar registros duplicados en pandas
    Puntuación: 5.0/5. 5 votos.
  4. Guardar y leer archivos Excel en Python
    Puntuación: 5.0/5. 4 votos.
  5. Archivos JSON con Python: lectura y escritura
    Puntuación: 4.7/5. 7 votos.

Entradas recientes

  • Copias de seguridad de SQL Server con Microsoft SQL Server Management Studio diciembre 6, 2019
  • Numpy básico: inicializar arrays de Numpy con un valor diciembre 4, 2019
  • Bajar impuestos para crecer más diciembre 2, 2019
  • Usar Python desde Matlab noviembre 29, 2019
  • Numpy básico: como añadir elementos en arrays de Numpy con np.append() noviembre 27, 2019

Comentarios recientes

  • Daniel Rodríguez en Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas
  • Axel Caballero en Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas
  • Daniel Rodríguez en Reglas de asociación y market-basket analysis
  • eva en Reglas de asociación y market-basket analysis
  • Daniel Rodríguez en Proteger las funciones escritas en Matlab para su distribución

Etiquetas

Anaconda Analytics Lane App Designer Bases de datos Blockchain CLV Computación cuántica Criptomonedas Deep learning Elecciones Excel Git GUIDE Hash Java Jupyter Libros Machine learning Marketing node numpy pandas Precios RapidMiner scikit-learn seaborn series temporales Small Data Spark SQL Unit testing VirtualBox

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Tienda

Afiliados

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • GearVita
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

2018-2019 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto