基于PU分类的差分区分器及其应用
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.
PU学习、Speck、差分区分器
8
TP309.7(计算技术、计算机技术)
国家自然科学基金61170325
2021-06-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
330-337