【期刊精选】基于CNN的国产商用分组密码算法识别研究

如今，将机器学习方式运用到密码算法识别领域的研究日渐增多。2010年，Kuncheva等人对DES、IDEA、RC2、AES共4种分组密码算法进行识别，研究了8种机器学习模型在密码算法识别中的效果。2011年，Manjula等人基于决策树算法，对11种加密算法进行识别，识别的密码体制包括分组密码、公钥密码、序列密码与古典密码。2012年，Chou等人设计了基于支持向量机的识别模型，对ECB模式与CBC模式下的AES、DES、RC4三种分组密码算法生成的密文进行加密算法识别。2015年，吴杨等人基于NIST的随机性测试方法，选取三种测试方法设计密文特征，对AES、DES、3DES、Camellia、SM4五种分组密码算法使用K-mean聚类算法进行两两聚类。2018年，黄良韬等人综合已有的密码算法识别研究成果，给出了密码算法识别系统的一个形式化定义，然后对古典密码、流密码、分组密码、公钥密码四种体制，通过簇分和单分两个阶段划分识别阶段，然后基于随机森林算法进行分层识别。同年，赵志诚等人结合随机性测试方法、比特熵和不定长文本向量等方法，设计密文特征，将Grain-128密码算法分别与11种其他对称密码算法进行了两两区分。2019年，赵志诚等人基于NIST随机性测试标准重新设计密文特征提取方法，基于随机森林算法完成对AES、DES、3DES、IDEA、Blowfish和Camellia六种分组密码算法的两两区分实验。2021年，纪文桃等人针对分组密码算法进行识别，利用三种随机测试方法对密文提取特征，训练C4.5决策树分类模型将商密SM4算法与国际主要标准分组密码算法进行两两识别。同年，曹莉茹使用随机性测试方法选择密文特征，使用深度学习方法对密码算法体制进行识别，分别将BP神经网络、卷积神经网络和循环神经网络算法应用于密码算法识别任务中，确定了合适的网络参数，构建相应的密码算法识别分类器，对8种密码算法进行识别。

本文利用NIST随机性方法对密文文件提取整体和局部特征，使用自动编码器对数据降维，提出一种基于自动编码器和卷积神经网络模型的分组密码算法识别方案。所选密码算法在控制密钥长度这一变量的基础上开展研究，实验结果表明，密钥长度不同的两种分组密码算法，识别准确率相对较高，说明算法密钥长度不同对识别结果的准确率确实有影响。同时，SM4与其他算法两两识别的准确率可达80%之上，DES与其他算法两两识别的准确率可达85%之上。本文主要针对分组密码ECB工作模式进行识别研究，在后续的工作中，将尝试对CBC、CFB等复杂工作模式开展研究，对多种不同密钥长度的密码算法进行识别，优化密文特征选择和特征处理过程。同时，对国产商用序列密码体制和公钥密码体制识别展开研究。

原文始发于微信公众号（网络安全与数据治理）：【期刊精选】基于CNN的国产商用分组密码算法识别研究