基于深度学习的差分神经区分器求解方法

摘要：

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

所属期刊栏目：44

分类号：TP309.7(计算技术、计算机技术)

资助基金：国家自然科学基金;广西自然科学基金项目;广西重点研发计划基金项目

在线出版日期：2023-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1629-1634