基于深度学习的类SM4算法S盒逆向分析

• 作者: 李冰 杨丹 段晓毅 马向亮 黄克振
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 深度学习 逆向分析 S盒 类SM4算法
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 研究报告
• 页码范围: 118-124
• 页数: 7页
• 分类号: TP309.1
• 语种: 中文
• DOI: 10.13190/j.jbupt.2020-034

摘要

在建模类攻击场景下,基于多元高斯分布的模板攻击是常用的侧信道逆向分析方法.在同样的场景下,分析了深度学习方法在逆向分析领域的应用,提出了基于深度学习的S盒逆向分析算法.通过选取适用于侧信道逆向分析的深度学习算法、损失函数和标签设计,对类SM4算法进行了S盒逆向恢复实验.实验结果表明,使用深度学习进行S盒逆向分析是可行的,且在一定的条件下优于模板攻击;另外,多层感知机算法预测的结果要优于卷积神经网络算法预测的结果.