← 研踪 PaperTrail软件学报:jos:7686 · 记录 #1
DLAKRS: 面向大状态SIMECK分组密码的深度学习辅助密钥恢复方案
来源日期 2026-07-01
来源记录日期 2026-07-01
雷达观测 2026-11-05 00:20
摘要
近年来, 深度学习为分组密码安全性分析提供了新的研究路径. 然而, 在大状态分组密码场景下, 神经区分器输入维度过高以及密钥搜索空间快速膨胀, 严重制约了深度学习辅助攻击的效率与稳定性. 针对上述问题, 提出面向大状态SIMECK分组密码的深度学习辅助密钥恢复方案DLAKRS. 该方案在训练阶段引入基于梯度的动态敏感比特选择策略, 在保证区分性能的前提下有效压缩神经区分器的输入维度; 在密钥恢复阶段, 结合错误密钥响应分布构建基于统计评分引导的搜索方法, 缓解候选密钥筛选过程中的评分波动. 基于上述方案, 针对SIMECK系列大状态轻量级分组密码构建多阶段深度学习辅助密钥恢复攻击方案. 实验结果表明, 在输入维度削减45.8%–62.5%的情况下, 区分器准确率损失控制在10%以内, 且相较于传统多阶段攻击方法显著降低了计算开销. 在SIMECK48/96的16轮攻击和SIMECK64/128的18轮攻击中, 所提方法均表现出稳定的密钥恢复性能. 研究结果表明, 该方案为大状态SIMECK分组密码的深度学习辅助密钥恢复提供了一种有效途径.
论文发现出处
这些页面提供论文线索，不代表同行评审或质量认证。
发表信息与关联版本
软件学报 ↗2026 · 正式发表 · DOI: 10.13328/j.cnki.jos.007686
观测到的版本
平台记录号代表本站观测到的元数据变化，不是作者修订号。来源日期仅到月份或年份时，按该月或该年首日存档。
记录 #1 · 2026-07-01 · 最新观测版本
DLAKRS: 面向大状态SIMECK分组密码的深度学习辅助密钥恢复方案
近年来, 深度学习为分组密码安全性分析提供了新的研究路径. 然而, 在大状态分组密码场景下, 神经区分器输入维度过高以及密钥搜索空间快速膨胀, 严重制约了深度学习辅助攻击的效率与稳定性. 针对上述问题, 提出面向大状态SIMECK分组密码的深度学习辅助密钥恢复方案DLAKRS. 该方案在训练阶段引入基于梯度的动态敏感比特选择策略, 在保证区分性能的前提下有效压缩神经区分器的输入维度; 在密钥恢复阶段, 结合错误密钥响应分布构建基于统计评分引导的搜索方法, 缓解候选密钥筛选过程中的评分波动. 基于上述方案, 针对SIMECK系列大状态轻量级分组密码构建多阶段深度学习辅助密钥恢复攻击方案. 实验结果表明, 在输入维度削减45.8%–62.5%的情况下, 区分器准确率损失控制在10%以内, 且相较于传统多阶段攻击方法显著降低了计算开销. 在SIMECK48/96的16轮攻击和SIMECK64/128的18轮攻击中, 所提方法均表现出稳定的密钥恢复性能. 研究结果表明, 该方案为大状态SIMECK分组密码的深度学习辅助密钥恢复提供了一种有效途径.
查看此版本解读 →查看此版本原文 ↗