基于密码结构的最优神经网络差分区分器搜索方法技术

本发明专利技术公开了基于密码结构的最优神经网络差分区分器搜索方法。从ISRN神经网络的设计、基于密码结构的数据集格式优化和自适应进化优化器构造及候选差分集的搜索三个方面对现有方法进行了改进。在ISRN神经网络设计部分，通过不同卷积核大小的初始卷积层和SE模块自适应筛选的结合，提高了神经网络对特征信息的利用率；在基于密码结构的数据集格式优化部分，针对密码结构的数据集输入格式能提供更多差分传播过程中的特征；在自适应进化优化器构造及候选差分集的搜索部分，通过引入信息熵的评估，在不同阶段动态地调整交叉操作和变异概率。确保了进化优化器的全局搜索能力和收敛能力，提高了算法的搜索效率和收敛速度，避免陷入局部最优解。

【技术实现步骤摘要】

本专利技术涉及信息安全领域，具体是一种基于密码结构的最优神经网络差分区分器搜索方法。

技术介绍

1、差分分析是攻击迭代型分组密码的有效方法，也是衡量一个分组密码安全性的重要指标之一。攻击者通过研究分组密码在多轮迭代过程中产生的差分统计特征的非均匀性来识别算法弱点，将分组密码与随即置换区分开。深度学习技术具有较强的非线性拟合能力，能够更高效地分析密码算法中的差分分布规律。gohr[1]首次将深度学习与传统差分密码分析方法相结合，构建了speck 32/64算法的神经网络差分区分器并在其基础上进行了密钥恢复攻击。

2、神经网络差分区分器搜索方法需要考虑神经网络设计、数据集构造和差分选择策略三个方面。神经网络设计方面，jain等人[2]使用多层感知器神经网络来构建区分器并分析轻量级分组密码present。bellini等人[3]采用前馈卷积神经网络构建了tea和 raiden的神经网络差分区分器。数据集构造方面，benamira 等人[4]对gohr的工作的进行了深入解释，提出了结合传统机器学习算法和差分分布表的替代策略，以作为数据集格式。chen等本文档来自技高网...

【技术保护点】

1.基于密码结构的最优神经网络差分区分器搜索方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于密码结构的最优神经网络差分区分器搜索方法，其特征在于：步骤(1)所述ISRN神经网络的搭建，初始卷积层执行特征映射，迭代层引入非线性特性，预测层执行分类任务，数据集包含多轮差分信息，数据集大小不小于107，具体搭建步骤如下：

3.根据权利要求1所述的基于密码结构的最优神经网络差分区分器搜索方法，其特征在于：步骤(2)所述基于密码结构的数据集S的构造，具体步骤如下：

4.根据权利要求1所述的基于密码结构的最优神经网络差分区分器搜索方法，其特征...

【技术特征摘要】

1.基于密码结构的最优神经网络差分区分器搜索方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于密码结构的最优神经网络差分区分器搜索方法，其特征在于：步骤(1)所述isrn神经网络的搭建，初始卷积层执行特征映射，迭代层引入非线性特性，预测层执行分类任务，数据集包含多轮差分信息，数据集大小不小于107，具体搭建步骤如下：

3.根据权利要求1所述的基于密码结构的最优神经网络差分区分器搜索方法，其特征在于：步骤(2)所述基于密码结构的数据集s的构造，具体步骤如下：

4.根据权利要求1所述的基于密码结构的最优神经网络差分区分器搜索方法，...

【专利技术属性】
技术研发人员：李灵琛，叶海涵，韦永壮，叶涛，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：