深啄 swMATH ID: 34578 软件作者： 阿隆·戈尔 描述： 使用深度学习改进对圆形Speck32/64的攻击。本文有四个主要贡献。首先，我们在马尔可夫假设下，用一个特定的输入差计算了Speck32/64的预测差分分布，总共计算了八轮，并验证了这一点，得出了Speck32/64差分分布的一个全局相当好的模型。其次，我们表明，与传统智慧相反，机器学习可以产生非常强大的密码识别器：例如，在对九轮Speck进行简单的低数据选择明文攻击时，我们提出了基于深度剩余神经网络的区分器，其平均密钥秩大约是使用全差分分布表的类似经典区分器的五倍。第三，我们开发了一种基于贝叶斯优化变体的高选择性密钥搜索策略，该策略与我们的神经区分器一起可用于将11轮Speck32/64的剩余安全性降低到大约38位。这比以前的文献有了显著的改进。最后，我们证明了我们的神经识别器成功地使用了密文对分布的特征，即使给定无限的数据，这些特征对所有纯粹的差分识别器都是不可见的。虽然我们的攻击基于从文献中获得的已知输入差异，但我们还表明，神经网络可以用于快速（在我们的机器上几分钟内）找到良好的输入差异，而无需使用事先的人类密码分析。本文的补充代码和数据可从url获取{https://github.com/agohr/deep_speck}. 主页： https://link.springer.com/chapter/10.1007%2F978-3-030-26951-7_6 源代码： https://github.com/agohr/deep_speck 关键词： 深度学习；差分密码分析；斑点 相关软件： 西蒙；SPECK公司；SIMECK公司；github；出席；亚当；凯拉斯；SM4公司；阿尔法零；测试U01；XooTools公司；单比特测试；Ent公司；更加顽固；NIST统计测试套件；PyTorch公司；科学Py；TensorFlow公司；伦巴20；ARX工具 引用于： 9文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 使用深度学习改进对圆形Speck32/64的攻击。 Zbl 1509.94091号阿隆·戈尔 2019 全部的 前5名24位作者引用 2 阿隆·戈尔 2 马诺伊·库马尔 2 塔伦·雅达夫 1 Najwa Aaraj 1 鲍振珍 1 伊曼纽尔·贝里尼 1 巴加维，K.V.L。 1 意大利迪努尔 1 奥尔·邓克尔曼 1 大卫·盖罗 1 郭健 1 安娜·汉比策 1 黄云菊 1 雅各布，斯文 1 内森·凯勒 1 拉克希米，K.V。 1 刘美成 1 埃亚尔·罗宁 1 沃纳·辛德勒 1 阿迪·沙米尔 1 斯里尼瓦桑，Chungath 1 涂，易 1 王飞凡 1 王高丽 0连载引用 在3个字段中引用 9 信息与通信理论、电路（94-XX） 5 计算机科学（68至XX） 1 数值分析（65-XX） 按年份列出的引文