基于深度学习的类SM4算法S盒逆向分析

马向亮^1,2, 李冰³, 杨丹³, 黄克振^1,2, 段晓毅⁴

1. 中国科学院软件研究所 可信计算与信息保障实验室, 北京 100190;
2. 中国科学院大学, 北京 100049;
3. 国家信息技术安全研究中心, 北京 100084;
4. 北京电子科技学院 电子信息工程系, 北京 100070

收稿日期:2020-03-31发布日期:2021-03-11
通讯作者:段晓毅(1979-),男,讲师,硕士生导师,E-mail:duanxiaoyi@besti.edu.cn.E-mail:duanxiaoyi@besti.edu.cn
作者简介:马向亮(1986-),男,博士生.
基金资助:国家重点研发计划项目（2018YFB0904900，2018YFB0904901）；"十三五"装备预研领域基金项目（6140002020115）

Reverse-Analysis of S-Box for SM4-Like Algorithms Based on Side Channel Technology

MA Xiang-liang^1,2, LI Bing³, YANG Dan³, HUANG Ke-zhen^1,2, DUAN Xiao-yi⁴

1. Trusted Computing and Information Assurance Laboratory, Institute of Software of Chinese Academy of Sciences, Beijing 100190, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. National Research Center for Information Technology Security, Beijing 100084, China;
4. Department of Electronics and Information Engineering, Beijing Electronic Science and Technology Institute, Beijing 100070, China

Received:2020-03-31Published:2021-03-11

摘要/Abstract

摘要： 在建模类攻击场景下，基于多元高斯分布的模板攻击是常用的侧信道逆向分析方法.在同样的场景下，分析了深度学习方法在逆向分析领域的应用，提出了基于深度学习的S盒逆向分析算法.通过选取适用于侧信道逆向分析的深度学习算法、损失函数和标签设计，对类SM4算法进行了S盒逆向恢复实验.实验结果表明，使用深度学习进行S盒逆向分析是可行的，且在一定的条件下优于模板攻击；另外，多层感知机算法预测的结果要优于卷积神经网络算法预测的结果.
中图分类号:
TP309.1

引用本文

马向亮, 李冰, 杨丹, 黄克振, 段晓毅. 基于深度学习的类SM4算法S盒逆向分析[J]. 北京邮电大学学报, 2020, 43(5): 118-124.
MA Xiang-liang, LI Bing, YANG Dan, HUANG Ke-zhen, DUAN Xiao-yi. Reverse-Analysis of S-Box for SM4-Like Algorithms Based on Side Channel Technology[J]. Journal of Beijing University of Posts and Telecommunications, 2020, 43(5): 118-124.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4774