System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及信息安全领域,具体是基于空洞深度可分离卷积构建神经网络差分区分器的方法。
技术介绍
1、差分密码分析(differential cryptanalysis)是一种密码分析技术,旨在破解加密系统或算法。这是一种针对对称加密算法的攻击技术,专注于寻找密码算法的弱点,从而恢复加密密钥或明文信息。其核心思想是通过观察明文、密文及其之间的差分,尝试分析这些差异来恢复密钥的一部分或整体信息[1]。具体而言,攻击者会制造多对明文-密文对,计算它们之间的差异以找寻某种模式或规律。有效的区分器构造是差分密码分析的关键,研究者通过观察密码算法的结构和特性,可以设计出能够区分密码算法和随机数据的区分器,从而评估密码算法的安全性。传统的差分分析的关键在于发现具有较高概率差分特征并构建相应的差分区分器。良好的差分区分器对于分析更多轮数的分组密码具有卓越的辅助作用。
2、神经网络差分区分器的提出提供了差分密码分析的新思路。在2019年的美密会(crypto2019)上gohr[2]提出了差分神经密码分析的概念,该方法引入了经过神经网络训练的差分神经网络区分器,以辅助密码分析。2020年,yadav等人[3]提出了一种创新方法,将传统差分区分器技术与深度学习技术相结合,以构建更高轮数的差分区分器,从而提高性能和应用广泛性。同年,emanuele等人[4]对arx结构的两个密码算法进行研究,设计了两种经典差分区分器和两种差分神经区分器,比较结果显示,基于深度学习技术的差分区分器在更少数据下表现更出色,准确率更高。为了探索神经网络区分器
3、因此,本文模型基于resnet网络,引入空洞卷积以此抓取不同层次的特征,获得不同层次的感受野,提高区分精度。同时引入深度可分离卷积模块,将卷积操作分解为深度卷积和逐点卷积,从而显著减少了模型参数的数量,提高计算效率,同时保持特征提取能力。
4、参考文献如下:
5、[1]lai x,massey j l,murphy s.markov ciphers and differentialcryptanalysis[c]//advances in cryptology—eurocrypt’91:workshop on the theoryand application of cryptographic techniques brighton,uk,april 8–11,1991proceedings 10.springer berlin heidelberg,1991:17-38。
6、[2]gohr a.improving attacks on round-reduced speck32/64using deeplearning[c]//advances in cryptology–crypto 2019:39th annual internationalcryptology conference,santa barbara,ca,usa,august 18–22,2019,proceedings,partii 39.springer international publishing,2019:150-179。
7、[3]yadav t,kumar m.differential-ml distinguisher:machine learningbased generic extension for differential cryptanalysis[c]//internationalconference on cryptology and information security in latin america.cham:springer international publishing,2021:191-212。
8、[4]bellini e,rossi m.performance comparison between deep learning-based and conventional cryptographic distinguishers[c]//intelligentcomputing:proceedings of the 2021computing conference,volume 3.springerinternational publishing,2021:681-701。
9、[5]benamira a,gerault d,peyrin t,et al.a deeper look at machinelearning-based cryptanalysis[c]//advances in cryptology–eurocrypt 2021:40thannual international conference on the theory and applications ofcryptographic techniques,zagreb,croatia,october17–21,2021,proceedings,part i40.springer international publishing,2021:805-835。
10、[6]chen y,shen y,yu h,et al.a new neural distinguisher consideringfeatures derived frommultiple ciphertext pairs[j].the computer journal,2023,66(6):1419-1433。
11、[7]zhang l,wang z,guo j.improving differential-neural cryptanalysiswith inception[j].cryptology eprint archive,2022。
12、[8]侯泽洲,陈少真,任炯炯.深度学习在分组密码差分区分器上的研究应用[j].软件学报,2022,33(5):1893-1906。
13、[9]杨小雪,陈杰,韩立东.深度学习在arx分组密码差本文档来自技高网...
【技术保护点】
1.基于空洞深度可分离卷积构建神经网络差分区分器的方法,其特征在于,所述方法包括如下步骤:
【技术特征摘要】
1.基于空洞深度可分离卷积构建神经网络差分区分...
【专利技术属性】
技术研发人员:林灵,韦永壮,叶涛,李永超,
申请(专利权)人:桂林电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。