• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于独立分量技术的类GIFT算法S盒逆向分析

马向亮, 李冰, 习伟, 陈华, 陈财森

马向亮, 李冰, 习伟, 陈华, 陈财森. 基于独立分量技术的类GIFT算法S盒逆向分析[J]. 计算机研究与发展, 2018, 55(10): 2269-2277. DOI: 10.7544/issn1000-1239.2018.20180427
引用本文: 马向亮, 李冰, 习伟, 陈华, 陈财森. 基于独立分量技术的类GIFT算法S盒逆向分析[J]. 计算机研究与发展, 2018, 55(10): 2269-2277. DOI: 10.7544/issn1000-1239.2018.20180427
shu
Ma Xiangliang, Li Bing, Xi Wei, Chen Hua, Chen Caisen. Reverse-Analysis of S-Box for GIFT-Like Algorithms Based on Independent Component Analysis Technology[J]. Journal of Computer Research and Development, 2018, 55(10): 2269-2277. DOI: 10.7544/issn1000-1239.2018.20180427
Citation: Ma Xiangliang, Li Bing, Xi Wei, Chen Hua, Chen Caisen. Reverse-Analysis of S-Box for GIFT-Like Algorithms Based on Independent Component Analysis Technology[J]. Journal of Computer Research and Development, 2018, 55(10): 2269-2277. DOI: 10.7544/issn1000-1239.2018.20180427
shu
马向亮, 李冰, 习伟, 陈华, 陈财森. 基于独立分量技术的类GIFT算法S盒逆向分析[J]. 计算机研究与发展, 2018, 55(10): 2269-2277. CSTR: 32373.14.issn1000-1239.2018.20180427
引用本文: 马向亮, 李冰, 习伟, 陈华, 陈财森. 基于独立分量技术的类GIFT算法S盒逆向分析[J]. 计算机研究与发展, 2018, 55(10): 2269-2277. CSTR: 32373.14.issn1000-1239.2018.20180427
shu
Ma Xiangliang, Li Bing, Xi Wei, Chen Hua, Chen Caisen. Reverse-Analysis of S-Box for GIFT-Like Algorithms Based on Independent Component Analysis Technology[J]. Journal of Computer Research and Development, 2018, 55(10): 2269-2277. CSTR: 32373.14.issn1000-1239.2018.20180427
Citation: Ma Xiangliang, Li Bing, Xi Wei, Chen Hua, Chen Caisen. Reverse-Analysis of S-Box for GIFT-Like Algorithms Based on Independent Component Analysis Technology[J]. Journal of Computer Research and Development, 2018, 55(10): 2269-2277. CSTR: 32373.14.issn1000-1239.2018.20180427
shu

基于独立分量技术的类GIFT算法S盒逆向分析

  • 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(南方电网科学研究院 广州 510663)

  • 5(陆军装甲兵学院演训中心 北京 100072) (maxiangliang@163.com)

基金项目: 国家重点研发计划(2018YFB0904901,2016YFF0204005,2016YFF0204003,2016YFF0204002);国家自然科学基金项目(61402528);“十三五”装备预研领域基金项目(6140002020115);CCF-启明星辰“鸿雁”科研计划(2017003)
详细信息

  • 中图分类号: TP309.1

Reverse-Analysis of S-Box for GIFT-Like Algorithms Based on Independent Component Analysis Technology

  • 1(Trusted Computing and Information Assurance Laboratory, Institute of Software, Chinese Academy of Sciences, Beijing 100190)

  • 2(University of Chinese Academy of Sciences, Beijing 100049)

  • 3(National Research Center for Information Technology Security, Beijing 100084)

  • 4(Southern Power Grid Science Research Institute, Guangzhou 510663)

  • 5(Department of Training Center, Academy of Army Armored Force, Beijing 100072)

摘要

    摘要
  • 摘要: 在实际密码系统或模块的安全性评估中,对未知密码算法的逆向分析是一项重要的评估内容.目前关于密码算法的逆向分析方式主要分为数学分析和物理旁路分析2种,后者因其代价低、通用性高等优点更为流行.基于独立分量技术的侧信道分析技术绕过传统侧信道分析中的“先猜测后确定”的攻击思路限制,直接恢复中间状态值.研究了类GIFT算法在逆向分析下的安全性,利用GIFT算法结构的特点,将P置换输入作为独立分量攻击观测条件,利用独立分量技术成功恢复出了S盒内容.该结果是最早关于类GIFT算法的逆向分析结果之一,其方法对于其他未知算法的逆向分析也具有参考意义.
    Abstract: In the security evaluation of practical crypto system or module, the reverse analysis of unknown cryptographic algorithm is an important evaluation content. At present, the reverse analysis methods of cryptographic algorithms mainly contain mathematical analysis and physical bypass analysis, among which the latter is more popular due to its low cost and high universality. The side-channel analysis technology based on independent component analysis technology recovers the intermediate state value directly, bypassing the limitation of the “guess-and-determine” attack idea in the traditional side-channel analysis. This paper studies the safety of GIFT-like algorithm under the reverse analysis. We successfully recovered the content of the S-box by independent component analysis (ICA) technology, taking advantage of the characteristics of GIFT algorithm structure and taking the inputs of P permutation as observation conditions. The result of this paper is one of the reverse analysis results of the GIFT-like algorithm, and the method is also of reference significance to the reverse analysis of other unknown algorithms.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(70)

  • 期刊类型引用(16)

    1. 杨驰，俞贵琪，张建军，彭博，贾徽徽. 基于加权联邦学习和神经网络的工控系统入侵检测. 智能计算机与应用. 2025(03): 79-86 . 百度学术
    2. 李群，陈思光. 基于选择性通信策略的高效联邦学习研究. 小型微型计算机系统. 2024(03): 549-554 . 百度学术
    3. 张红艳，张玉，曹灿明. 一种解决数据异构问题的联邦学习方法. 计算机应用研究. 2024(03): 713-720 . 百度学术
    4. 张海波，任俊平，蔡磊，邹灿. 一种基于优化引导的无线联邦学习异步训练机制. 电讯技术. 2024(06): 979-988 . 百度学术
    5. 谭玉玲，欧国成，曹灿明，柴争议. 基于用户层次聚类的联邦学习优化方法. 南京理工大学学报. 2024(04): 469-478+488 . 百度学术
    6. 郑赛，李天瑞，黄维. 面向通信成本优化的联邦学习算法. 计算机应用. 2023(01): 1-7 . 百度学术
    7. 郭松岳，王阳谦，柏思远，刘永恒，周骏，王梦鸽，廖清. 面向数据混合分布的联邦自适应交互模型. 计算机研究与发展. 2023(06): 1346-1357 . 本站查看
    8. 秦宝东，杨国栋，马宇涵. 一种基于异步联邦学习的安全聚合机制. 西安邮电大学学报. 2023(01): 50-61 . 百度学术
    9. 李晓伟，陈本辉，杨邓奇，伍高飞. 边缘计算环境下安全协议综述. 计算机研究与发展. 2022(04): 765-780 . 本站查看
    10. 刘晶，董志红，张喆语，孙志刚，季海鹏. 基于联邦增量学习的工业物联网数据共享方法. 计算机应用. 2022(04): 1235-1243 . 百度学术
    11. 薛晓慧，郭志华，芮光辉，厉娜，马晓琴. 基于梯度统计的无线联邦学习的功率控制优化. 科学技术与工程. 2022(11): 4400-4409 . 百度学术
    12. 雷炳银，刘力，井琼琼，孙荣智，孙炜哲，苏雨晴. 基于边缘计算的AI可视化网关模块化设计. 信息技术. 2022(08): 155-160 . 百度学术
    13. 金歌，魏晓超，魏森茂，王皓. FPCBC:基于众包聚合的联邦学习隐私保护分类系统. 计算机研究与发展. 2022(11): 2377-2394 . 本站查看
    14. 朱思峰，赵明阳，柴争义. 边缘计算场景中基于粒子群优化算法的计算卸载. 吉林大学学报(工学版). 2022(11): 2698-2705 . 百度学术
    15. 张学军，何福存，盖继扬，鲍俊达，黄海燕，杜晓刚. 边缘计算下指纹室内定位差分私有联邦学习模型. 计算机研究与发展. 2022(12): 2667-2688 . 本站查看
    16. 刘飚，张方佼，王文鑫，谢康，张健毅. 基于矩阵映射的拜占庭鲁棒联邦学习算法. 计算机研究与发展. 2021(11): 2416-2429 . 本站查看

    其他类型引用(54)

    • 资源附件(0)
计量
  • 文章访问数: 
  • HTML全文浏览量:  0
  • PDF下载量: 
  • 被引次数: 70
出版历程
  • 发布日期:  2018-09-30

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计