期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的多面体差分攻击及其应用
被引量：
3
1
作者
付超辉
段明
+3 位作者
魏强
吴茜琼
周睿
宿恒川
《密码学报》
CSCD
2021年第4期591-600,共10页
自AlphaGo诞生以来,深度学习广泛应用于各行各业.2019年美密会上,研究者首次将深度学习用于分组密码算法分析,利用深度残差网络学习特定输入明文差分的密文差分分布特征,从而构造出满足一定精度的差分神经网络区分器.本文结合多面体差...
自AlphaGo诞生以来,深度学习广泛应用于各行各业.2019年美密会上,研究者首次将深度学习用于分组密码算法分析,利用深度残差网络学习特定输入明文差分的密文差分分布特征,从而构造出满足一定精度的差分神经网络区分器.本文结合多面体差分的思想,提出了一种能够进一步提高精度的多面体差分神经网络区分器.例如对于Simeck32/64算法,8轮3面体差分神经网络区分器的精度可以从单差分的89.0%提升到96.7%.进一步,利用多面体差分神经网络区分器,我们改进了13轮的实际密钥恢复攻击.首先利用特定明文差分的密文数据集训练了8轮的2面体差分神经网络区分器和9轮的3面体差分神经网络区分器,然后利用概率性扩轮数、中性位扩概率等技术将区分器分别扩展到11轮,再利用贝叶斯优化的密钥搜索策略,实现了对Simeck32/64算法13轮的实际密钥恢复攻击,数据复杂度和时间复杂度分别为2^(17.7)和2^(32.8).与已有的攻击结果相比,复杂度分别减少为原来的1/2^(12)和1/2^(3).最后,我们对密钥恢复的几种策略进行了细致分析.本文提出的多面体差分神经网络区分器也可应用到其它分组密码算法分析中.
展开更多
关键词
深度学习
轻量级分组密码
多面体差分
Simeck32/64
在线阅读
下载PDF
职称材料
改进Simon32/64和Simeck32/64神经网络差分区分器
2
作者
武浩莹
陈杰
刘君
《信息网络安全》
北大核心
2025年第2期249-259,共11页
神经网络差分区分器具备良好的泛化能力和强大的学习能力,但目前仍缺乏完善且具有普适性的神经网络差分区分模型。为提升Simon32/64和Simeck32/64神经网络差分区分器的准确率和普适性,文章提出3个改进方向。首先,采用多密文对作为Simon3...
神经网络差分区分器具备良好的泛化能力和强大的学习能力,但目前仍缺乏完善且具有普适性的神经网络差分区分模型。为提升Simon32/64和Simeck32/64神经网络差分区分器的准确率和普适性,文章提出3个改进方向。首先,采用多密文对作为Simon32/64和Simeck32/64的输入,并将Inception网络模块引入神经网络模型,以改善过拟合现象。然后,将Simon32/64和Simeck32/64倒数第二轮的差分信息加入多密文对输入样本中,构造7~10轮和7~11轮神经网络差分区分器。最后,将多密文对与多面体差分结合,根据Simon32/64和Simeck32/64两种密码构造改进多面体差分区分器,提高已有多面体神经网络差分区分器的准确率。实验结果表明,8轮Simon32/64和Simeck32/64新型多面体神经网络差分区分器的准确率分别达到99.54%和99.67%。此外,利用10轮神经网络差分区分器对12轮Simon32/64和Simeck32/64开展最后一轮子密钥恢复攻击,在100次攻击实验中,攻击成功率分别达到86%和97%。
展开更多
关键词
深度学习
Inception模块
多密文对
多面体差分
密钥恢复攻击
在线阅读
下载PDF
职称材料
题名
基于深度学习的多面体差分攻击及其应用
被引量：
3
1
作者
付超辉
段明
魏强
吴茜琼
周睿
宿恒川
机构
信息工程大学网络空间安全学院
河南省网络密码技术重点实验室
出处
《密码学报》
CSCD
2021年第4期591-600,共10页
基金
河南省自然科学基金(212300410420)。
文摘
自AlphaGo诞生以来,深度学习广泛应用于各行各业.2019年美密会上,研究者首次将深度学习用于分组密码算法分析,利用深度残差网络学习特定输入明文差分的密文差分分布特征,从而构造出满足一定精度的差分神经网络区分器.本文结合多面体差分的思想,提出了一种能够进一步提高精度的多面体差分神经网络区分器.例如对于Simeck32/64算法,8轮3面体差分神经网络区分器的精度可以从单差分的89.0%提升到96.7%.进一步,利用多面体差分神经网络区分器,我们改进了13轮的实际密钥恢复攻击.首先利用特定明文差分的密文数据集训练了8轮的2面体差分神经网络区分器和9轮的3面体差分神经网络区分器,然后利用概率性扩轮数、中性位扩概率等技术将区分器分别扩展到11轮,再利用贝叶斯优化的密钥搜索策略,实现了对Simeck32/64算法13轮的实际密钥恢复攻击,数据复杂度和时间复杂度分别为2^(17.7)和2^(32.8).与已有的攻击结果相比,复杂度分别减少为原来的1/2^(12)和1/2^(3).最后,我们对密钥恢复的几种策略进行了细致分析.本文提出的多面体差分神经网络区分器也可应用到其它分组密码算法分析中.
关键词
深度学习
轻量级分组密码
多面体差分
Simeck32/64
Keywords
deep learning
lightweight block cipher
polytopic differential
Simeck32/64
分类号
TN918.1 [电子电信—通信与信息系统]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
改进Simon32/64和Simeck32/64神经网络差分区分器
2
作者
武浩莹
陈杰
刘君
机构
西安电子科技大学通信工程学院
河南省网络密码技术重点实验室
陕西师范大学计算机科学学院
出处
《信息网络安全》
北大核心
2025年第2期249-259,共11页
基金
国家自然科学基金[62302285]
河南省网络密码技术重点实验室研究课题[LNCT2022-A08]。
文摘
神经网络差分区分器具备良好的泛化能力和强大的学习能力,但目前仍缺乏完善且具有普适性的神经网络差分区分模型。为提升Simon32/64和Simeck32/64神经网络差分区分器的准确率和普适性,文章提出3个改进方向。首先,采用多密文对作为Simon32/64和Simeck32/64的输入,并将Inception网络模块引入神经网络模型,以改善过拟合现象。然后,将Simon32/64和Simeck32/64倒数第二轮的差分信息加入多密文对输入样本中,构造7~10轮和7~11轮神经网络差分区分器。最后,将多密文对与多面体差分结合,根据Simon32/64和Simeck32/64两种密码构造改进多面体差分区分器,提高已有多面体神经网络差分区分器的准确率。实验结果表明,8轮Simon32/64和Simeck32/64新型多面体神经网络差分区分器的准确率分别达到99.54%和99.67%。此外,利用10轮神经网络差分区分器对12轮Simon32/64和Simeck32/64开展最后一轮子密钥恢复攻击,在100次攻击实验中,攻击成功率分别达到86%和97%。
关键词
深度学习
Inception模块
多密文对
多面体差分
密钥恢复攻击
Keywords
deep learning
Inception module
multiple ciphertext pairs
polyhedral difference
key recovery attack
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的多面体差分攻击及其应用
付超辉
段明
魏强
吴茜琼
周睿
宿恒川
《密码学报》
CSCD
2021
3
在线阅读
下载PDF
职称材料
2
改进Simon32/64和Simeck32/64神经网络差分区分器
武浩莹
陈杰
刘君
《信息网络安全》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
