典型文献
深度学习在ARX分组密码差分分析的应用
文献摘要：
随着计算机设备的飞速更新,先进的硬件和高效的计算能力让密码分析学者们越来越关注深度学习,基于深度学习的密码分析近年来成为研究热点.本文应用深度残差网络对分组密码进行差分分析,主要得到以下三项结果.第一,探究了神经网络模型面对密码算法的不同线性运算部件时的表现.基于控制变量法的思想,构造了Speckey和LAX32两类分组密码的神经网络差分区分器.结果表明,Speckey的有效区分器最高为7轮,准确率为0.69;LAX32的有效区分器最高为4轮,准确率为0.55.第二,以SIMON32/64为例,使用四类不同的输入数据格式分别训练了其7–10轮的神经网络差分区分器.分析结果发现,输入数据所含信息量不同时,相同轮数的区分器准确率的差距最多可达0.18.神经网络对所输入的密码信息的利用能力是存在局限性的,输入信息量达到一定程度后不会再使神经网络差分区分器的准确率提高.最后,将训练好的神经网络差分区分器应用到密钥恢复攻击中,对11轮SIMON32/64进行了部分密钥恢复攻击,当选择28个明文对时,在1000次攻击中成功率可达95.6％.
文献关键词：
深度学习;神经网络差分区分器;分组密码;部分密钥恢复攻击
中图分类号：
作者姓名：
杨小雪;陈杰;韩立东
作者机构：
西安电子科技大学 通信工程学院, 西安 710071;杭州师范大学 浙江省密码技术重点实验室, 杭州 311121
文献出处：
引用格式：
[1]杨小雪;陈杰;韩立东-.深度学习在ARX分组密码差分分析的应用)[J].密码学报,2022(05):923-935
A类：
Speckey,LAX32,神经网络差分区分器,SIMON32,密码信,部分密钥恢复攻击
B类：
ARX,分组密码,差分分析,计算机设备,计算能力,密码分析,深度残差网络,型面,密码算法,同线,控制变量法,四类,输入数据,数据格式,所含,信息量,轮数,练好,击中,当选,明文
AB值：
0.176204
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
