基于深度学习的SM4密码算法新型区分器OACSTPCD
Novel distinguisher for SM4 cipher algorithm based on deep learning
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.
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桂林电子科技大学计算机与信息安全学院,广西 桂林 541004桂林电子科技大学计算机与信息安全学院,广西 桂林 541004桂林电子科技大学计算机与信息安全学院,广西 桂林 541004
电子信息工程
分组密码深度学习神经区分器SM4算法复杂度
block cipherdeep learningneural distinguisherSM4 algorithmcomplexity
《通信学报》 2023 (7)
大状态对称密码算法的安全性分析研究
171-184,14
国家自然科学基金资助项目(No.62162016)广西自然科学基金资助项目(No.2019GXNSFGA245004)广西科技重大专项基金资助项目(桂科AA22068072)桂林电子科技大学研究生教育创新计划基金资助项目(No.2022YCXS088)The National Natural Science Foundation of China(No.62162016),The Natural Science Foundation of Guangxi(No.2019GXNSFGA245004),The Science and Technology Major Project of Guangxi(No.AA22068072),Innovation Project of GUET Graduate Education(No.2022YCXS088)
评论