返回
Lightweight block cipher algorithm identification scheme based on transformer
DOI:10.1007/s12530-026-09802-4.png)
摘要
En 中文
当前对加密算法识别的研究在分组密码领域已逐渐成熟,但在轻量级分组密码方面刚刚起步,研究成果较少,且影响加密算法识别结果的因素过于单一;同时,传统机器学习算法无法有效处理包含大量数据和结构信息的密文,导致识别率受限。提出了基于Transformer的轻量级分组密码算法单层和多层识别方案,并改进了NIST随机性测试和熵测试中的密文特征提取方法。单层识别方案将四种轻量级分组密码算法KASUMI、SIMON、CLEFIA和PRESENT进行二分识别。实验表明,相较于三种传统机器学习方法,该方案在使用固定密钥加密时,平均识别率提升超过30%;在使用随机密钥加密时,相比传统机器学习方法也有显著改进。多层识别方案利用Transformer模型首先对六种轻量级分组密码算法KASUMI、SKINNY、CLEFIA、PRESENT、SIMON和Midori进行S-F聚类分类(SP-Feistel结构),然后在同一结构聚类下进行单分类。实验显示,与单层Transformer进行六类识别的识别率54.2%相比,该方案具有更优的准确性和稳定性。
Keyword:
Cryptographic algorithm identification
Lightweight block cipher
Deep learning
Transformer
Feature extraction
期刊
IF:
2.7
论文数:
244
被引数:
1.2K
机构
引用论文
Identifying traffic of same keys in cryptographic communications using fuzzy decision criteria and bit-plane measures使用模糊决策标准和位平面度量识别加密通信中相同密钥的流量

