25、轮缩减AES攻击的自动搜索及应用

轮缩减AES攻击的自动搜索及应用

1. 预备知识

在AES算法中,使用有限域 $F_{256}$ ,其元素个数为256。SubBytes变换的S盒记为 $S: F_{256} \to F_{256}$ 。本文仅考虑128位版本的AES。密钥、明文、密文和密码的内部状态都用 $F_{256}$ 上的 $4 \times 4$ 矩阵表示。在这样的矩阵中,字节编号规则如下:字节0位于左上角,第一列由字节0 - 3组成,最后一列由字节12 - 15组成,字节15位于右下角。用 $M[\cdot, j]$ 表示矩阵 $M$ 的第 $j$ 列。

在 $r$ 轮AES中,主密钥 $K_0$ 通过密钥扩展算法扩展为 $r$ 轮子密钥 $K_1, \cdots, K_r$ ,其由以下方程描述:
[
K_{Si} :
\begin{cases}
K_i[\cdot, j] + K_i[\cdot, j - 1] + K_{i - 1}[\cdot, j] = 0, & j = 1, 2, 3 \
K_i[0] + K_{i - 1}[0] + S(K_{i - 1}[13]) + RCON_i = 0 \
K_i[1] + K_{i - 1}[1] + S(K_{i - 1}[14]) = 0 \
K_i[2] + K_{i - 1}[2] + S(K_{i - 1}[15]) = 0 \
K_i[3] + K_{i - 1}[3] + S(K_{i - 1}[12]) = 0
\end{cases}
]

AES的一轮执行以下操作序列:SubBytes、ShiftRows、MixColumns

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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