基于CNN的商用分组密码算法识别方法、装置和计算机设备制造方法及图纸

本申请涉及密码算法识别技术领域，公开了一种基于CNN的商用分组密码算法识别方法、装置和计算机设备。使用NIST随机性测试方法提取密文数据潜在的整体特征和局部特征，再进行数据预处理以生成灰度特征图，在提取密文数据潜在的整体特征和局部特征的提取阶段，选择9种随机性测试方法体现密文数据的整体特征，选择非重叠模板匹配方法体现密文数据的局部特征，将获取到的密文数据整体特征和局部特征融合，并输入到卷积神经网络模型中，利用卷积神经网络的卷积层、池化层、归一化层，提取输入灰度特征图的特征进行训练和测试，最终到达商密分组密码算法识别的目的，能够使得得到的商用分组密码算法识别结果较为准确。密码算法识别结果较为准确。密码算法识别结果较为准确。

【技术实现步骤摘要】
基于CNN的商用分组密码算法识别方法、装置和计算机设备


[0001]本申请涉及密码算法识别
，特别涉及一种基于CNN的商用分组密码算法识别方法、装置和计算机设备。

技术介绍

[0002]在商用密码应用安全性评估工作中，要求对采用商用密码技术、产品和服务集成建设的网络和信息系统密码应用的合规性与正确性进行评估。分析与识别安全系统所采用的密码算法，对于评估信息系统安全性、密码使用合规性与正确性、中间人攻击等方面有着重要的现实意义。同时，密码算法识别是开展密码分析的前提条件，也是密码分析的一个重要组成部分，主要针对密文分析并识别出其具体的加密算法。无论是对信息系统或网络设备中商用密码算法的应用合规性进行评估还是开展密码分析工作，对密文进行密码算法识别都是至关重要的前提。目前将传统机器学习算法应用到密码算法体制识别领域的公开研究工作比较多，但是存在难以识别密文隐藏特征的问题，因此造成密码识别的准确率较低。

技术实现思路

[0003]本申请提供了一种基于CNN的商用分组密码算法识别方法，旨在解决现有技术中机器学习算法难以识别密文隐藏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN的商用分组密码算法识别方法，其特征在于，包括：获取密文数据；基于NIST随机性测试方法提取所述密文数据的整体特征向量，基于非重叠模板匹配方法提取密文数据的局部特征向量；将所述整体特征向量和所述局部特征向量进行融合，得到融合特征的灰度特征图；将灰度特征图输入到卷积神经网络模型中，输出商用分组密码算法识别结果。2.根据权利要求1所述的基于CNN的商用分组密码算法识别方法，其特征在于，所述获取密文数据的步骤，包括：获取明文数据；基于OpenSSL密码库和GmSSL密码库中的enc加密模块对所述明文数据进行加密，得到密文数据。3.根据权利要求1所述的基于CNN的商用分组密码算法识别方法，其特征在于，所述获取密文数据的步骤之后，还包括：按照预设规则将所述密文数据分割为多个二进制密文块；对所述二进制密文块的数据内容进行特征提取。4.根据权利要求1所述的基于CNN的商用分组密码算法识别方法，其特征在于，所述基于NIST随机性测试方法提取所述密文数据的整体特征，基于非重叠模板匹配方法提取密文数据的局部特征的步骤，包括：基于NIST随机性测试工具包中的多种随机性测试方法提取密文数据的整体特征，得到整体特征向量，其中，多种随机性测试方法包括：频率测试方法、组内频率测试方法、游程测试方法、最长1游程测试方法、二院矩阵秩测试方法、离散傅里叶变换测试方法、序列测试方法、近似熵测试方法、累加和测试方法；基于非重叠模板匹配方法提取密文数据的局部特征，得到局部特征向量。5.根据权利要求1所述的基于CNN的商用分组密码算法识别方法，其特征在于，所述将所述整体特征向量和所述局部特征向量进行融合，得到融合特征的灰度特征图的步骤，包括：利用自动编码器模型对所述局部特征向量进行降维，得到局部特征为1*148D的一维向量，其中，所述自动编码器模型包括一个输入层、四个线性隐藏层和激活层、一个输出层；利用非重叠模板匹配测试方法提取局部特征...

【专利技术属性】
技术研发人员：刘节威，王钢，荆浩，方一格，朱鹏，常钰，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：