基于深度学习的SIMON32/64安全性分析

摘要：

轻量级分组密码的安全性分析越来越倾于向自动化和智能化的方向发展.目前基于深度学习对轻量级分组密码进行安全性分析正在成为一个全新的研究热点.针对由美国国家安全局在2013年发布的一款轻量级分组密码SIMON算法,将深度学习技术应用于SIMON32/64的安全性分析.分别采用前馈神经网络和卷积神经网络模拟多差分密码分析当中的单输入差分-多输出差分情形,设计了应用于SIMON32/64的6～9轮深度学习区分器,并比较了2种神经网络结构在不同条件下的优劣.通过对前馈神经网络和卷积神经网络的7轮深度学习区分器向前向后各扩展1轮,提出了针对9轮SIMON32/64的候选密钥筛选方法.实验结果证实:采用128个选择明文对,可以成功地将65535个候选密钥筛选在675个以内.这说明基于深度学习的差分区分器相比传统差分区分器需要更少的时间复杂度和数据复杂度.

关键词：SIMON32/64、深度学习、差分密码分析、区分器、候选密钥筛选

所属期刊栏目：58

分类号：TP309.7(计算技术、计算机技术)

资助基金：广西自然科学基金;广西壮族自治区科技重大专项;重点实验室项目

在线出版日期：2021-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1056-1064