深度学习在 ARX 分组密码差分分析的应用

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 7–1...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Journal of Cryptologic Research 2022-11, Vol.9 (5), p.923-935
Hauptverfasser:	Xiao-Xue, YANG, CHEN, Jie, Li-Dong, HAN, 杨小雪, 陈 杰, 韩立东
Format:	Artikel
Sprache:	chi
Schlagworte:	Accuracy Algorithms Cryptography Deep learning Encryption Hardware Machine learning Neural networks Recovery Upgrading
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!