8、轻量级分组密码 SLIM 和 LCB 的差分密码分析

轻量级分组密码 SLIM 和 LCB 的差分密码分析

一、研究背景与贡献

在资源受限设备的安全加密领域,SLIM 和 LCB 这两种 32 位分组密码备受关注。SLIM 使用 80 位密钥,其设计者通过嵌套树搜索进行差分路径搜索后,宣称该密码能抵抗差分攻击,但仅找到一条 7 轮路径,且由于方法的启发式性质,不能保证其在差分概率上的最优性,基于此认为 32 轮加密足以抵抗差分密码分析。LCB 使用 64 位密钥,设计者未给出具体的密码分析结果,仅声称 10 轮加密可抵抗安全攻击。

为验证设计者的安全声明,我们对这两种密码进行了差分攻击研究。对于 SLIM,使用 SMT 求解器寻找差分路径;对于 LCB,因其设计的线性特性,可通过纸笔方法进行密码分析。研究发现,我们找到了 SLIM 所有 32 轮的最优差分路径,存在一条有效的 13 轮路径可对 14 轮的密码进行密钥恢复攻击,虽不威胁完整密码的安全性,但能更准确地评估 SLIM 抵抗差分密码分析的安全边界。对于 LCB,发现其替换盒(S - box)设计存在缺陷,导致密码本质上是线性的,存在概率为 1 的差分区分器,可用于仅密文攻击。通过将 LCB 的 S - box 替换为 PRESENT 的 S - box,发现改进后的 LCB 对差分密码分析的抵抗能力优于 SLIM。

二、预备知识

2.1 符号和缩写

为便于后续分析,先明确一些符号和缩写的定义,如下表所示:
| 符号 | 定义 |
| — | — |
| n | 块大小(位) |
| k | 密钥大小(位) |
| R | 轮数 |
| ⊕ | 二进制异或(XOR)运算

【电能质量扰动】基于MLDWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值