基于PU分类的差分区分器及其应用

作者：宿恒川; 朱宣勇^*; 段明

来源：密码学报, 2021, 8(02): 330-337.

DOI：10.13868/j.cnki.jcr.000441

• PU学习
• Speck
• 差分区分器

差分分析方法的核心是构造高效的差分区分器. 2019年Aron Gohr采用深度学习残差网络的方法构造差分区分器,应用于减轮Speck32/64密码算法,五轮和六轮的差分器成功率分别是0.929和0.788.本文采用PU学习(positive-unlabeled learning)的方法,对Speck32/64算法的差分对数据进行训练,利用神经网络中的多层感知机与基于PU学习构造的损失函数,训练得到了一个基于PU分类的差分区分器,并对于减轮Speck32/64算法进行攻击,五轮和六轮差分器成功率分别是0.965和0.860.

• 单位
  信息工程大学