几类密码算法的神经网络差分区分器的改进

作者：杨小雪; 陈杰^*

来源：西安电子科技大学学报, 2023, 1-15.

DOI：10.19665/j.issn1001-2400.20230212

• 神经网络差分区分器
• 轻量级分组密码
• 部分密钥恢复攻击

为了进一步研究神经网络在密码分析方面的应用，利用深度残差网络和传统差分密码分析技术构造并改进了几类典型的轻量级分组密码算法的神经网络差分区分器，主要取得以下结果。第一，分别构造了4-7轮PRESNT、3轮KLEIN、7-9轮LBlock和7-10轮Simeck32/64的神经网络差分区分器，并基于密码的分组结构分别进行了分析。第二，基于SPN结构分组密码的特点对PRESNT和KLEIN的神经网络差分区分器进行了改进，最多可提高约5.12%的准确率，并在对LBlock的神经网络差分区分器进行研究时验证得出这种改进方式不适用于Feistel结构的分组密码。第三，基于Simeck32/64本身密码算法的特点对其神经网络差分区分器进行改进，提高了约2.3%的准确率。同时，将Simeck32/64的改进方法与多面体差分分析进行结合，将已有的8轮和9轮Simeck32/64多面体神经网络差分区分器的准确率提高了1%和3.2%。最后，将实验中得到的3类神经网络差分区分器模型分别应用到11轮Simeck32/64的最后一轮子密钥恢复攻击中，其中最佳的实验结果是在1000次攻击实验中以26.6的数据复杂度达到99.4%的攻击成功率。

• 单位
  西安电子科技大学