HNS-AES:增强物联网安全

HNS高级加密标准:物联网通信的增强安全方法

引言

加密分为两种类型:第一种称为同步加密,发送方和接收方使用相同的密钥;第二种是非对称加密,发送方和接收方分别使用私钥和公钥[1]。高级加密标准(AES)是对称密钥加密。在一些与安全相关的应用中,如ZigBee、物联网(IoT)及其他应用,均采用了AES算法。

高级加密标准的结构被认为是安全的,但可以进一步增强其非线性特性,以防止攻击者通过获取任一子密钥而推导出所有其他子密钥。平衡参数取决于密文中[2]的1和0的数量。最佳百分比为50%,即密文中包含64个1和64个0,这也是最强非线性百分比。所提出的增强算法模型为HNS高级加密标准,它代表了作者姓名的首字母缩写。

2. 高级加密标准的结构

高级加密标准是一种同步加密算法,与数据加密标准等其他算法相比具有更强的结构,因为该结构包含与子密钥相关的十轮。每一轮包含四个函数:轮密钥加函数、字节替换函数、行移位函数和列混淆函数。第十轮中没有列混淆函数。图1显示了高级加密标准的流程。

示意图0

轮密钥加函数是主密钥和明文这两个输入之间的异或运算。字节替换函数将128位的输入逐位进行替换,用8位替换8位。图2展示了字节替换函数。

示意图1

行移位函数:它对输入的每一行以不同的偏移量进行旋转。列混淆:它将输入与一个常量状态相乘。图3展示了列混淆函数。

示意图2

3. 相关工作 lots of previous st

许多先前的研究试图提高高级加密标准算法的效率。由于其各阶段主要相互依赖,研究人员主要致力于构建更强大的AES。加密过程的第二阶段是字节替换。该阶段使用S盒作为查找[3]。S盒的固定结构定义为由字节值组成的16 x 16矩阵。字节值是256或8位所有可能值的变化。访问S盒不需要密钥。对于S盒,研究尝试使其仅通过一个密钥即可供所有受益者使用,从而确保安全性提升。

根据雪崩效应参数获得更好的结果,并通过在算法结构中添加异或函数来确保加密可靠性。[4‐5]通过密钥,S盒已从原始AES中的静态变为动态,从而增加了复杂性。[6]本研究介绍了一种具有规格的系统,通过增强安全性,从而加快了速度并降低了能耗。

该密码系统的实现可能性取决于在明文加密前,使用图像信息库中的一幅图像与明文进行异或运算[7]。同时,还将该图像的记录编号作为最大有效位水印嵌入到明文[9]的信息[8]库中。

讨论了利用可逆逻辑来降低常规高级加密标准中的能耗,因为可逆门理论上可实现零内部能量耗散[10]。所提出的方案使用Xilinx工具进行设计和实现,并在Virtex‐5 FPGA芯片上进行验证。

结果从功耗、所需硬件、延迟(使用费曼门)以及量子成本方面进行了讨论。在本研究中,作者指出,随着密钥数量的增加,实现时间也随之增加。每增加一个密钥,算法轮次的时间也随之增加。

4. 提出的模型 密钥扩展 fu

原始AES算法中的密钥扩展函数负责生成11个密钥,其中输入为主密钥。每个密钥由128字节或四个字组成,密钥扩展函数的每一轮次生成一个新密钥。

密钥由 w0, w1, w2, w3 组成。第一把密钥由 w4, w5, w6, w7 组成,以及 w e 保持在此直到生成第十把密钥,该密钥由 w40、w41、w42、w43 组成。

第一把密钥与主密钥相关,第二把密钥与第一把密钥相关。图4中第十把密钥与第九把密钥的关系展示了原始设计的密钥扩展结构。

示意图3

生成不能被4整除的字比能被4整除的字更容易,因为存在一个g函数。

a) 循环字对输入进行8位向左移位。例如,如果输入是 [A0 A1 A2 A3], ,则输出将是 [A1 A2 A3 A0]。

b) 替换字通过S盒对其输入字的每8位进行8位替换。

c) 使用轮常数 Rcon [j], ,将阶段1和阶段2的结果进行异或 [j][11]。

轮常数是一个右侧三个字节始终为0的项。因此,通过Rcon,对一个项进行异或运算的结果仅对该词最左侧的字节进行异或操作。在每一阶段,轮常数都会变化,并定义为Rcon [j]=(RC[j], 0, 0, 0), RC [1]= 1,RC[j]= 2 RC [j ‐1]此外在GF(2⁸)域上的乘法[12]。RC[j]的十六进制值为表RC数组的值。

此外,密钥 HNS AES设计中的扩展函数将如图5所示。

示意图4

示意图5

5. 性能分析:非线性

•平衡参数:密钥扩展 fu

密钥扩展函数从主密钥生成十个密钥,因此使其具有非线性意味着如果有人知道一个密钥[12], ,难以推导出其他密钥。平衡参数通过统计密文[13]中1的个数来测试非线性。最佳结果是128位文本[14]中有64个1和64个0。接下来的步骤展示了当密钥为常量时的结果。

密钥 = fe78ff11f983cca91298563e9fec69ff 和明文在表1中进行了更改。

ID 明文 1的个数在 原始AES B% 1的个数在 HNS B%
1 cc19ffe0987ffec1987ffec8764d12ff 68 53.12 61 47.65
2 cc19fff1987ffec1987ffec8764d12ff 75 58.59 72 56.25
3 ccfffff1987ffec1987ffec8764d12ff 59 46.09 59 46.09
4 fffffff1987ffec1987ffec8764d12ff 59 46.09 62 48.43
5 fffffff1117ffec1987ffec8764d12ff 74 57.81 58 45.31
6 fffffff1117ffec1117ffec8764d12ff 57 44.53 60 46.89
7 fffffff1117ffec1117ff118764d12ff 54 42.18 64 50
8 fffffff1117ffec1117ff118444d12ff 53 41.40 66 46.87
9 fffffff1117ffec1117ff118444ff2ff 62 48.43 64 50
10 fffffff1117ffec1117ff118444fffff 71 55.46 64 50
11 fffffff1117ffec11ffff118444fffff 71 55.46 69 53.60
12 fffffff111711ff11ffff118444fffff 71 55.46 67 52.34
13 ffffffffffffffffffffffffffffffff 70 54.68 62 48.43

AVG 64.9231 50.72 63.6923 49.37

示意图6

下一步展示了当明文为常量fffffff111711ff11ffff118444fffff且密钥变化[15]时的结果。图7显示了基于固定密钥的平衡度量比较。图8显示了基于固定明文的平衡度量比较(表2)。

ID 密钥 1的个数在 原始AES B% 1的个数在 HNS B%
1 cc19ffe0987ffec1987ffec8764d12ff 57 44.53 69 53.90
2 cc19fff1987ffec1987ffec8764d12ff 69 53.90 59 46.09
3 ccfffff1987ffec1987ffec8764d12ff 56 43.75 72 56.25
4 fffffff1987ffec1987ffec8764d12ff 71 55.46 65 50.78
5 fffffff1117ffec1987ffec8764d12ff 58 45.31 60 46.87
6 fffffff1117ffec1117ffec8764d12ff 77 60.15 60 46.87
7 fffffff1117ffec1117ff118764d12ff 71 55.46 71 55.46

AVG 65.5714 51.22 65.1429 50.88

示意图7

6. 结论 我们增强了

通过在密钥扩展函数的g函数中用主密钥的不同部分替换0的个数,使AES算法的非线性程度更高。与原始AES相比,我们获得了更平衡的结果,从而使其对分析攻击具有更强的免疫力。

在我们的示例中,当密钥为常量时,HNS中的平衡平均值为49.37,而原始AES中为50.72。这意味着平衡参数实现了0.09%的优化。此外,当明文是常量,且密钥变化时,HNS的平衡平均值为50.88,而原始AES为51.22。这意味着根据平衡参数,HNS比高级加密标准高出0.34%。

同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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