Neurocipher es un proyecto de investigación y desarrollo en criptografía aplicada y ciberseguridad, combinando herramientas clásicas como RSA con técnicas modernas como el cifrado simétrico (AES/Fernet), con el objetivo de explorar su integración futura con redes neuronales y sistemas adaptativos.

🇪🇸 Este README está en español.
🇬🇧 English version here

• Implementación manual de funciones clave: gcd(), modinv(), generate_keys(), encrypt_message(), decrypt_message().
• Pruebas unitarias completas.
• Documentación detallada con guía en PDF incluida.

• Cifrado y descifrado de mensajes y archivos .txt.
• Uso de claves simétricas generadas de forma segura.
• Demos ejecutables y pruebas.

• Implementación propia de curvas elípticas y operaciones de grupo.
• Generación de claves ECC.
• Firma y verificación digital con ECDSA.
• Cálculo dinámico del orden del punto generador.
• Documentación matemática y código con pruebas.

• v1.0: Red Hopfield básica entrenada con una sola clave.
• v1.1: Soporte para múltiples patrones (entrenamiento con 3 claves simultáneas).
• v1.2: Preentrenamiento mediante annealing (ruido decreciente) para mejorar la generalización.
• v1.3-A: Entrenamiento reforzado con patrones ruidosos + repeticiones + actualización en bloques. Alta robustez incluso con ruido del 25–50 %.
• Resultados almacenados en CSV y graficados con scripts en graficos/.
• Documentación detallada en LaTeX (guia_hopfield.tex).

• Flujo completo: generación de clave → cifrado → red Hopfield → recuperación → descifrado del mensaje original.
• Pruebas reales con múltiples mensajes y niveles de ruido.
• Resultados visualizados mediante gráficos (graficos/precision_vs_ruido.png).
• Script principal: src/secure_message.py.

neurocipher/
│
├── src/                     # Código fuente principal
│ ├── rsa_basic.py
│ ├── symmetric_encrypt.py
│ ├── elliptic_curve.py
│ ├── Hopfield_net.py
│ ├── secure_key_utils.py
│ └── secure_message.py
│
├── tests/                   # Tests unitarios y verificación
│
├── demos/                   # Demos ejecutables
│
├── graficos/                # Scripts y resultados gráficos
│
├── logs/                    # Resultados en CSV de recuperación Hopfield
│
├── keys/                    # Archivos de claves generadas
│
├── examples/                # Archivos de ejemplo
│
├── docs/                    # Documentación LaTeX y guías
│
├── guia_neurocipher.pdf     # Guía general del proyecto
├── guia_hopfield.tex        # Documento LaTeX sobre redes de Hopfield
├── checklist.docx           # Planificación por fases
├── requirements.txt
└── README.md

git clone https://github.com/tuusuario/neurocipher.git
cd neurocipher
pip install -r requirements.txt

# Ejemplo: ejecutar la demo de cifrado de mensajes
python demos/demo_symmetric.py

# Ejemplo: cifrar y descifrar archivo de texto
python demos/demo_file_encryption.py

make test

1. Ejecuta el script principal del sistema completo:

-python src/secure_message.py

2. Este script realiza de forma automática:

• La generación de una clave AES o RSA.
• El cifrado de un mensaje de prueba.
• La conversión binaria de la clave y su almacenamiento en la red de Hopfield.
• La simulación de ruido en la clave (desde 0 % hasta 60 %).
• La recuperación de la clave original desde la red Hopfield.
• El intento de descifrado con la clave recuperada.
• La evaluación del éxito (¿se recuperó correctamente el mensaje?).

3. Los resultados del experimento se guardan automáticamente en:

• 📁 logs/: archivo CSV con precisión, nivel de ruido y éxito de descifrado.
• 📁 graficos/: gráfico generado precision_vs_ruido.png para visualizar el rendimiento.

4. Puedes personalizar fácilmente los mensajes modificando las líneas correspondientes dentro de src/secure_message.py. Se incluyen varios mensajes de prueba (con símbolos, acentos, texto largo...).

La siguiente gráfica muestra cómo la red de Hopfield (versión 1.3-A) recupera claves incluso con ruido del 40–50 %:

Este gráfico se genera automáticamente tras ejecutar el script secure_message.py.

• Las claves utilizadas son generadas al vuelo y están pensadas únicamente para fines de prueba. No representan datos sensibles ni claves reales.
• Este sistema tiene carácter experimental y educativo, y no debe usarse aún en entornos de producción real.
• La recuperación exitosa depende del tipo de clave, del nivel de ruido y de la configuración de la red Hopfield (versión 1.3-A en este caso).

• Todos los experimentos realizados con la red de Hopfield se documentan en logs/ (CSV).
• Los gráficos generados se encuentran en graficos/.
• Las guías teóricas y matemáticas están en docs/ y en formato .tex y .pdf.

Este proyecto está en desarrollo activo. Se añadirán nuevas funcionalidades, integraciones y mejoras documentadas próximamente. El objetivo es seguir combinando técnicas criptográficas con redes neuronales para evaluar su aplicabilidad en sistemas reales.

Este proyecto se distribuye bajo la Licencia Apache 2.0.