【摘 要】
：
当前,物联网应用的大规模部署催生了对轻量级分组密码技术的巨大需求。2019年,深度学习在轻量级分组密码分析领域取得了突破性进展。相比传统密码分析方法,基于深度学习的密码分析方法在效率和泛用性方面具有一定优势,应用前景广阔,值得深入探索。目前,基于深度学习的差分密码分析方法研究主要使用深度学习模型实现差分区分器,以提升密码分析的性能。然而,现有方法存在着深度学习模型复杂度高,分类性能有待改善,模型训
论文部分内容阅读
当前,物联网应用的大规模部署催生了对轻量级分组密码技术的巨大需求。2019年,深度学习在轻量级分组密码分析领域取得了突破性进展。相比传统密码分析方法,基于深度学习的密码分析方法在效率和泛用性方面具有一定优势,应用前景广阔,值得深入探索。目前,基于深度学习的差分密码分析方法研究主要使用深度学习模型实现差分区分器,以提升密码分析的性能。然而,现有方法存在着深度学习模型复杂度高,分类性能有待改善,模型训练数据需求量大等问题,极大地限制了它们的实际应用。为解决上述问题,本文提出了基于EfficientNet的差分区分器模型结构优化方法和基于元学习的差分区分器小样本学习方法。这两个方法可以用于现有基于深度学习的轻量级分组密码分析框架,并显著提升性能。本文的研究内容及主要贡献如下:（1）针对现有深度学习差分区分器准确率较低、训练速度较慢的问题,本文提出利用EfficientNet卷积神经网络设计差分区分器的方法,并通过改进EfficientNet卷积神经网络结构,进一步提高差分区分器的分类准确度,缩短训练时间。（2）针对现有深度学习差分区分器训练数据需求量大,实际应用中性能不佳的问题,本文提出基于元学习的差分区分器小样本学习方法,降低了差分区分器训练所需数据量,并使得差分区分器在数据较少时依然能保持一定的分类精度。（3）本文在多种不同数据量的数据集上进行了充分的实验,验证了所提出方法的有效性和优越性。针对5轮SPECK 32/64分组密码,基于EfficientNet设计的差分区分器取得了94.5%的准确度;基于元学习方法设计的差分区分器在数据量为10~6、10~5、10~4时分别取得了91.74%、88.19%、56.26%的最佳分类准确度,且效果均优于对比实验。此外,本文基于EfficientNet和元学习方法设计差分区分器对6轮SPECK 32/64轻量级分组密码进行候选密钥筛选,与对比方法相比剩余的密钥数量最少,进一步验证了本文提出方法的有效性。
其他文献
为进一步优化道路交通环境,预防和减少道路交通事故,降低城区碳排放,全国各城市均积极推动中心城区高排放大货车限行禁行措施。本文面向江西省某市交警支队高排放车辆限行管理系统需求,针对城市每日过车抓拍图片数据量大,基于人工审核准确率低工作量极大,与通行证对比出违法通行记录效率过低,缺乏可视化数据分析等问题,基于互联网与人工智能技术,研发了一套面向智慧交通的城市高排放车辆限行管理系统。本文首先针对现有系统
近年来海洋军事通信、海底矿物探测等业务需求日益增多,磁感应（Magnetic Induction,MI）通信依靠耦合线圈感应的磁场分量进行通信,有速率高、天线结构简单等诸多优势。这种近场通信方式在土壤、油藏等恶劣环境中应用效果良好,为水下通信提供了新思路。本文结合磁感应通信特点,对水下磁通信传输图像的实际应用展开研究。首先分析磁感应传输原理及通信模型。分析了水下电磁波和磁感应信号的传输特性,包括频
随着基于位置信息的各种室内智能服务的广泛普及,低成本高精度的室内定位技术成为国内外研究的热门方向,其中基于蓝牙的室内定位技术以低成本、低功耗、应用广等特点受到广泛关注。2019年1月,蓝牙技术联盟在蓝牙5.1协议中新增了“寻向”定位功能,将天线阵列技术引入了蓝牙平台来实现定位精度的进一步提升。相比于基于接收信号强度（Received Signal Strength Indication,RSSI）
网络规模的快速增长加剧了无线Mesh网络流量分布的复杂性和动态性,给路由算法的设计提出了更高的要求。传统基于单点转发的路由策略需预设网络流量特征,易出现拥塞且难以匹配网络状态变化。因此,本论文提出融合机会路由与强化学习来构建路由策略,利用机会路由的多点转发思想缓解拥塞,同时应用深度强化学习来适应网络拓扑和负载的动态变化,并联合考虑不同性能指标来优化路由选择。本论文主要研究内容如下:1、介绍并分析了
疲劳驾驶对道路交通安全构成极大的隐患,研究显示对疲劳驾驶行为进行及时预警和干预,可大幅降低此类交通事故发生的几率。传统疲劳驾驶监测工具多应用中高档轿车或基于可穿戴设备,其价格昂贵、数据采集单一,复用性和可扩展性较低。本文尝试基于驾驶员已有的移动设备,构建一套面向驾驶员疲劳检测的应用系统,借助多模数据采集和分析,实现驾驶状态监测、车辆行驶状态监测以及疲劳驾驶状态检测与行驶预警,为更好实现驾驶员疲劳驾
目前货运列车制动状态检测大量依赖人工,效率较低。为提高列车制动状态检测的效率,减少人工作业以及保障车厢安全,本文利用深度学习算法对列车制动状态进行自动检测,其关键是对制动缸缺陷进行检测。制动缸缺陷检测流程包括制动缸目标检测阶段和缺陷判断阶段,先利用目标检测算法检测出关键目标,再利用缺陷判断算法对制动缸缺陷进行检测。而关键目标的检测存在两方面难题:（1）制动缸目标检测框的精度不够,存在较大偏差;（2
在科研管理领域,随着信息化建设工作的逐步深入,积累了海量的科研数据,迫切需要一种更高效的方式进行存储。同时,对于科研管理人员而言,传统科研信息管理系统的查询操作繁琐且无法按需检索,使用成本较高。基于知识图谱的问答系统（Knowledge Graph Question Answering,KGQA）可以有效地解决上述问题。目前,中文知识问答方法对于简单问题具有较好的效果,但在解决复杂问题方面不够理想
后疫情时代,线下课程在不断向线上方向转型,使得在线仿真实验系统的开发越发成为教育领域的一个重要组成部分。“计算机组成原理”是一门理论性和实践性都很强的课程,其中MIPS汇编指令教学任务在线下教学过程中,教师在验收实验时需要花费大量精力,效率不高。为减轻线下教学的负担,方便学生随时通过线上实验系统进行课程学习,并通过线上实验自查,纠正实验过程中出现的问题和错误,利于学生和教师根据教学进度安排,完成汇
随着互联网技术的飞速发展和社交媒体的爆炸式增长,数据量与信息量暴增。随着各种信息铺天盖地的到来,数据飞速更新。对于用户来说,想要准确地获得对于自己有价值的信息越来越难。因此自动化的文本分类与挖掘的技术应运而生,也随着时代的发展变得越来越重要。由于文本分类技术的飞速发展,数据挖掘、机器学习不断被运用到文本分类中。本文选取清华大学NLP实验室的THUCNews数据集的子集Cnews,共10个类别,训练
近年来,四川等地频发的森林火灾给国家造成巨大的经济损失与人员伤亡。森林山火检测任务中,传统传感器的检测方法存在效率低、预警滞后等缺点。基于长焦、高分辨率摄像头的森林早期预警方法覆盖范围广、时效性强。本文基于深度神经网络进行目标检测,充分考虑多帧图像间的时序信息,利用时空可分离的混合卷积模型提高烟雾检测性能。相较于主流的3D卷积神经网络,本文提出的模型在网络层数显著增加的同时参数量减小,误报率降低。