密码S盒的新性质分析及应用研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:yangzhengm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在许多对称密码算法中,密码S盒通常作为唯一的非线性部件,实现字节代换功能,以完成算法所需的数据混淆性。注意到,这些对称密码算法的安全强度与S盒的代数性质紧密相关。S盒的主要安全性指标有:非线性度、差分均匀性、双射性及代数次数等。然而伴随着各种新攻击方法的不断涌现,S盒是否存在未知的安全缺陷?如何更全面的评价S盒的安全强度?都是亟待讨论的问题。
  本文以现有的密码S盒的安全性指标为基础,结合非线性不变子攻击、侧信道攻击等方法,对密码S盒的新性质进行了探讨。进一步地,将新性质应用于算法分析中。主要成果如下:
  1.分析了4比特S盒输入及输出低次代数关系。根据S盒的输入输出关系,提出了n比特S盒的非线性回路代数关系的通用求解算法。针对4比特S盒设计了高效的非线性回路代数关系求解算法,并对16类最优4比特S盒及多个著名的轻量级算法中的S盒进行了测试分析。同时,还检测上述轻量级S盒的所属等价类。研究结果表明:16类S盒代表元中只有3类不存在二次回路代数关系;同属等价类S盒可能会有不同的二次回路代数关系;MANTIS,PRIDE,Marvin等轻量级算法的S盒存在多个二次回路代数关系。即这些包含低次回路代数关系的S盒存在潜在的安全缺陷。
  2.构造了类 Midori-64 算法族的广义非线性不变区分器,并进行安全性分析。以Midori-64算法为基础,用其他轻量级S盒替换Midori-64算法S盒,其他部件不变,构成类Midor-64算法族。以Midori-64PRIDE和Midori-64Marvin为例,证明了回路函数在构建区分器时,可降低轮常量的影响。进一步地,将回路函数应用于两种算法的广义非线性不变攻击,找到了弱密钥空间为296的区分器,而同等条件下非线性不变攻击的弱密钥空间仅为264。利用构造的区分器,可恢复Midori-64Marvin算法32比特明文。结果表明:类Midori-64算法族易受到广义非线性不变攻击,安全性较弱。
  3.设计并测试分析了几类8比特结构密码S盒。综合考虑S盒的安全性和轻量级的实用性,基于SPN结构,给出了两种8比特S盒的设计方案。同时,设计了8比特S盒自动搜索算法,并用搜索算法构建了8类8比特结构S盒。通过对各类结构S盒的安全性指标测试分析,结果表明:置换层为M矩阵的结构S盒代数性质优于比特置换结构;8类8比特结构S盒的代数次数达7次,差分均匀度最小为16,非线性度最大为96;另外,发现了一类具有掩码方案的性能优良的8比特S盒。
其他文献
自由空间光(Free-space Optical,FSO)通信具有高速率、免许可操作、保密性高、低功耗、易于部署等优势,因此成为高速无线通信的最佳选择方案之一。但是FSO通信易受大气散射、吸收和湍流的影响导致激光信号被严重衰减;尤其在超长距离的 FSO 通信(如星地通信)中还存在高时延和指向误差等问题,从而导致通信性能极不稳定,甚至发生通信中断。目前常用自动重传和前向纠错技术来解决 FSO 在星地
近年来,语音识别技术逐步从科研机构走向市场,并广泛应用于智能控制、家庭服务、儿童教育等领域,这主要得益于深度学习的快速发展,让使用大数据集在实际应用中训练足够鲁棒的语音识别器成为可能。另外,语音信号处理技术在语音识别系统的应用也一定程度上解决了噪声环境下识别率下降的问题。  语音识别技术的主要目的是实现人与机器比较自然的语音交互,而不局限于文本的形式。在识别系统中,一般是使用理想环境下采集的纯净语
学位
近年来,全球卫星导航系统(Global Navigation Satellite System,GNSS)技术不断成熟和完善,其提供的定位结果已经完全能够满足人类在室外的位置需求。随着城市化进程的急速推进,人类在室内活动的时间所占比重日愈增加,对于室内位置的需求也日益增强。然而,GNSS信号在室内会受到现代建筑材料的遮挡,在穿墙后信号强度会迅速衰减,导致GNSS在室内的表现不佳。因此针对各种室内定
学位
随着互联网技术的飞速发展,网络环境也变得日益复杂,人们在享受互联网带来便利的同时,网络安全问题也逐渐成为了关注的热点。入侵检测系统是应对各种层出不穷的攻击手段的有效防御技术之一,它能够检测出当前的网络环境是否存在遭受攻击的痕迹,并根据入侵检测设备内部的协议产生相应的报警,进而便于网络管理员对网络实施防御措施。单一的入侵检测设备无法满足当前复杂多变的网络环境的需求,在实际的网络环境中,往往是多种不同
在互联网技术全面快速发展的时代,各种新兴网络应用平台(社交网络、电子商务)日益普及,使得大量的数据被搜集整合在一起。这些海量数据往往蕴含着宝贵且重要的信息,数据带给人们的价值无法忽视,对这类网络图形数据的研究也逐渐成为人们关注的对象。随着互联网上的数据生成快速化,数据量也随指数上升。数据中出现的冗余、虚假的信息无形中增加人们获取有效信息的查询时间与查询难度。面对海量、繁杂的信息,如何快速、便捷的获
学位
说话人识别又称为声纹识别,其主要任务有两种:说话人确认和说话人辨认。经过几十年的发展,说话人识别技术已经广泛应用于安防、金融和司法等领域。随着深度学习技术的迅速发展,端到端神经网络在说话人识别中有良好的识别效果。但基于端到端神经网络的方法仍然存在一些问题,如由帧级别特征转换为句子级别特征的过程中难以提取到更多有用的帧信息、现有的损失函数因为正负样本数量不均衡导致的识别性能不理想及训练收敛速度过慢的
BOC 体制信号的频谱分裂特性与窄相关峰特性使其相较于 BPSK 体制信号能够为GNSS提供更高的频谱资源利用率以及更优的定位性能,因此BOC体制信号成为了现代GNSS的重要组成体制,并成为GNSS发展的主要候选体制。然而, BOC体制信号的相关函数多峰性导致接收设备对其的捕获和跟踪都具有会引起严重测距误差的模糊度,因此掌握BOC的无模糊度捕获与跟踪技术是现代GNSS接收机同步技术的关键。本课题正
学位
近年来,无人机的泛滥使用对空中安全管理造成了巨大的威胁,然其作为一种“低、慢、小”目标,探测难度较高,利用传统方法很难将其从复杂杂波背景中检测与识别出来。而无人机的微动特征是其特有的运动信息,利用微动特征对无人机进行识别具有重要应用价值。时频分析方法作为提取目标微动特征的主要手段仍然存在许多不足,其中线性时频分析方法的时间分辨率和频率分辨率相互制约易导致分析结果不准确,而二次型时频分析方法具有良好
工业过程能向智能化方向发展得益于故障检测技术的出现,作为保障工业系统稳定运行的关键技术,故障检测技术的重要性日益突出。以往传统的故障检测技术分析的是工业过程的运行机理,且要求工业过程模型十分的精确。但是,现在的工业过程系统非常复杂,这无疑使得构建精确的过程模型变得十分的困难。鉴于此,学术界的学者把目光转向了工业系统产生的数据,这些数据中包含了工业过程中的所有信息,如何从这些数据中挖掘出有用信息成为
学位
伴随着深度学习技术的快速发展,限制场景下的高分辨率人脸识别准确率已经超过了人类水平,在门禁、安检等领域均得到了广泛应用。但是在非限制场景下,当距离摄像机过远,识别准确率明显降低。低分辨率人脸由于尺寸较小,如何提取鉴别性特征是目前需要解决的难点,且其缺少的高频信息对于识别十分重要。本文针对低分辨率人脸识别率较低的问题,基于深度卷积神经网络,提出了结合人脸重建的识别方法和一种新的图像重建算法,主要研究