基于PU分类的差分区分器及其应用

摘要：

差分分析方法的核心是构造高效的差分区分器.2019年Aron Gohr采用深度学习残差网络的方法构造差分区分器,应用于减轮Speck32/64密码算法,五轮和六轮的差分器成功率分别是0.929和0.788.本文采用PU学习(positive-unlabeled learning)的方法,对Speck32/64算法的差分对数据进行训练,利用神经网络中的多层感知机与基于PU学习构造的损失函数,训练得到了一个基于PU分类的差分区分器,并对于减轮Speck32/64算法进行攻击,五轮和六轮差分器成功率分别是0.965和0.860.

关键词：PU学习、Speck、差分区分器

所属期刊栏目：8

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61170325

在线出版日期：2021-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：330-337