10、流密码VEST与Achterbahn-128/80的密码分析

流密码VEST与Achterbahn-128/80的密码分析

1. VEST流密码攻击分析
1.1 时间/内存权衡攻击

通过猜测密钥的前l位或后F - l位,可以计算出步骤l + 15 - r之前寄存器r的值。具体操作如下:
1. 构建5个感兴趣寄存器在步骤l + 15 - r时的53位值的表A,这需要2^l的内存。
2. 对于密钥末尾的每个2^(F - l)个值j,执行以下操作:
- 假设j,回溯寄存器值,记录得到的53位值为x。
- 寻找i,使得A[i] = x,匹配概率为2^(-53)。
- 对于每个匹配,检查密钥(i||j),其中||表示连接。
这种攻击使用2^max(F - 53, F - l)的时间和2^l的内存来恢复密码使用的密钥,平均需要测试的密钥数量为2^(F - 53)。

1.2 相关密钥攻击

假设有两个分别用密钥K和K’加密的密码,K’与K仅在第F - l - 1位不同。通过选择IV攻击,可以检索两个密钥下感兴趣寄存器的密钥状态。具体步骤如下:
1. 猜测密钥的最后l位,将其从密钥状态回溯到每个寄存器引入密钥差异后的步骤。
2. 对于正确的猜测,回溯后寄存器的第1位应该只有一个差异,这种情况发生的概率为2^(-53)。因此,如果l < 53,就可以检查猜测。
3. 为了使寄存器表现出随机行为,l还应该大于其长度。
对于128位密钥,取l = 16,使用8个相关密钥,执行约2^26次IV设置和约2^19次部分密钥引入回溯,就可以恢复整个密钥。

1.3 安全讨论

上述攻击表明,差分攻击结

(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量组合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量组合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性实用性。; 适合人群:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量组合;③复现SCI高水平论文中的优化方法,提升科研可信度效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重点关注克里金模型的构建步骤NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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