检索结果-南通市图书馆

计算机应用 2023年第8期43卷 2462-2470页

作者：林东东李曼曼陈少真信息工程大学网络空间安全学院郑州450001 密码科学技术全国重点实验室(国家密码管理局) 北京100878

针对KATAN48算法的安全性分析问题,提出了一种基于神经区分器的KATAN48算法条件差分分析方法。首先,研究了多输出差分神经区分器的基本原理,并将它应用于KATAN48算法,根据KATAN48算法的数据格式调整了深度残差神经网络的输入格式和超参... 详细信息

针对KATAN48算法的安全性分析问题,提出了一种基于神经区分器的KATAN48算法条件差分分析方法。首先,研究了多输出差分神经区分器的基本原理,并将它应用于KATAN48算法,根据KATAN48算法的数据格式调整了深度残差神经网络的输入格式和超参数;其次,建立了KATAN48算法的混合整数线性规划(MILP)模型,并用该模型搜索了前加差分路径及相应的约束条件;最后,利用多输出差分神经区分器,至多给出了80轮KATAN48算法的实际密钥恢复攻击结果。实验结果表明,在单密钥下,KATAN48算法的实际攻击的轮数提高了10轮,可恢复的密钥比特数增加了22比特,数据复杂度和时间复杂度分别由2^(34)和2^(34)降至2^(16.39)和2^(19.68)。可见,相较于前人单密钥下的实际攻击,所提方法能够有效增加攻击轮数和可恢复的密钥比特数,同时降低攻击的计算复杂度。

关键词：分组密码混合整数线性规划 KATAN算法条件差分分析神经区分器

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的差分神经区分器求解方法

引用

计算机工程与设计 2023年第6期44卷 1629-1634页

作者：蒋若怡韦永壮王慧娇桂林电子科技大学广西密码学与信息安全重点实验室广西桂林541004

针对差分神经区分器中准确率随着密码算法轮数增加而快速降低的问题,提出一种差分神经区分器求解方法。将深度学习技术与多差分密码分析相结合,通过采用神经网络拟合密码算法的多输入及多输出差分,设计多差分神经区分器通用模型。该模... 详细信息

针对差分神经区分器中准确率随着密码算法轮数增加而快速降低的问题,提出一种差分神经区分器求解方法。将深度学习技术与多差分密码分析相结合,通过采用神经网络拟合密码算法的多输入及多输出差分,设计多差分神经区分器通用模型。该模型中所使用的输入参数被设置为多个明文差分、相应的密文及密文差分。将其应用于分析Speck32/64及Simon32/64密码算法,结果表明,Speck32/64的5至7轮区分器准确率均有显著提升;Simon32/64的密码区分器轮数从9轮提升至10轮,说明该方法的有效性。

关键词：分组密码差分密码分析神经区分器深度学习多差分准确率构建参数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的SM4密码算法新型区分器

引用

通信学报 2023年第7期44卷 171-184页

作者：王慧娇张鑫韦永壮李灵琛桂林电子科技大学计算机与信息安全学院广西桂林541004

针对大状态分组密码区分器的数据复杂度、时间复杂度和存储复杂度较高的问题,提出了一种建立长分组和长密钥分组密码算法深度学习区分器模型的方法,构建了SM4算法的神经区分器。借鉴密文差分能够提升区分器性能的思想,将密文对之间的部... 详细信息

针对大状态分组密码区分器的数据复杂度、时间复杂度和存储复杂度较高的问题,提出了一种建立长分组和长密钥分组密码算法深度学习区分器模型的方法,构建了SM4算法的神经区分器。借鉴密文差分能够提升区分器性能的思想,将密文对之间的部分差异信息作为训练数据的一部分,设计了神经区分器新数据输入结构,采用残差神经网络模型建立神经区分器,对长分组的训练数据集进行数据预处理。同时,针对所构建的区分器存在高特异度和低敏感度的现象,提出了一种模型再学习的改进策略。实验结果表明,基于深度学习的区分器模型获得了9轮SM4神经区分器,其4~9轮区分器的准确率最高可达100%、76.14%、65.20%、59.28%、55.89%和53.73%,所获得的差分神经区分器的复杂度和准确率远优于传统差分区分器,也是目前已知针对SM4密码算法最好的神经区分器,证明了深度学习方法在长分组密码安全性分析上的有效性和可行性。

关键词：分组密码深度学习神经区分器 SM4算法复杂度

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

分组密码的差分类自动化分析方法研究

分组密码的差分类自动化分析方法研究

引用

作者：蒋若怡桂林电子科技大学

学位级别：硕士

分组密码具有加解密速度快、容易标准化和安全性容易评估等优势,在网络信息安全领域中发挥重要作用。分组密码的差分密码分析是一种经典分析方法,其基本思想是寻找一条高概率差分路径(差分区分器),并由此构建密钥恢复攻击。如何自动化... 详细信息

分组密码具有加解密速度快、容易标准化和安全性容易评估等优势,在网络信息安全领域中发挥重要作用。分组密码的差分密码分析是一种经典分析方法,其基本思想是寻找一条高概率差分路径(差分区分器),并由此构建密钥恢复攻击。如何自动化地构建新型差分区分器是目前的一个研究热点。本文基于深度学习,构建密码算法的差分神经区分器自动化搜索方法,并对简化轮SPECK32/64、SKINNY-64、PRESENT-80密码算法给出安全性新评价。主要研究成果如下:1、提出一种多差分神经区分器搜索新方法。该方法根据多差分密码分析的思想,并通过MILP(混合整数线性规划)技术找到的一条差分路径,结合深度学习中的Res Net结构,构建了多差分神经区分器模型。当对SPECK32/64算法进行实际测试时,捕获了5至7轮的差分神经区分器,其数据复杂度均为2。与已有结果比较:该方法将5轮区分器准确率提高了5%,6轮区分器准确率提高了7.6%。2、提出了一种针对5轮及6轮SKINNY-64算法差分区分器的自动化搜索新方法。针对SKINNY-64算法的特性,对单差分和多差分神经区分器的结构与参数进行调整。通过MILP技术选取了SKINNY-64算法的5轮及6轮差分路径,并根据其输入差分分别捕获了5及6轮的神经区分器。实验结果表明:单差分与多差分模型的数据复杂度分别为2和2,相比于传统区分器(数据复杂度2)有显著地降低;特别地,模型在5轮SKINNY-64差分区分器的准确率约为99.9%,而6轮的区分器准确率约为75%。3、提出了一种针对PRESENT-80算法差分区分器的自动化搜索新方法。该方法利用深度学习中的MLP(多层感知器)结构,与多差分密码分析结合,构造了一种新型的多差分神经区分器模型。与已有结果相比,MLP结构的多差分模型将PRESENT-80算法的区分器轮数从原有的5轮扩展到了7轮,并且5至7轮差分神经区分器的数据复杂度均为2个选择明文。

关键词：分组密码深度学习差分密码分析自动化搜索神经区分器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：