基于熵源验证的分组密码识别方案

摘要：

现有的密码算法识别方案基于信息熵和随机性检测方法设计密文特征,存在识别准确率较低的问题.按照熵值估计方法提取密文特征,采用包含逻辑回归、支持向量机和决策树在内的5种常用机器学习算法,对DES、AES、3DES、Blowfish和CAST共5种分组密码进行分类实验.实验结果表明,基于熵源验证的识别方案能够对分组密码的工作模式进行有效区分,分类准确率达99%.同时,在ECB模式下对DES和AES的二分类识别准确率达95%,五分类实验识别准确率达62.7%,高于基于随机性检测识别方案的75%和52%.研究表明,使用熵源验证方法可以丰富密文特征库,提高密码算法识别准确率.

关键词：密码算法识别、特征提取、熵源验证、机器学习、随机性检测

所属期刊栏目：25

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;河南省优秀青年基金项目

在线出版日期：2024-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：472-477