神经密码分析：CPS 密码中的度量、方法论与应用
密码学与安全
2019-11-27 v3
摘要
许多现实世界的网络物理系统（CPS）使用专有密码算法。本工作中，我们描述了一种易于使用的黑盒安全评估方法，用于在无需知晓算法的情况下度量专有密码的强度。我们通过度量神经网络模仿密码算法的难度来量化密码强度。我们定义了由神经网络计算得出的新度量（例如，密码匹配率、训练数据复杂度和训练时间复杂度），以定量表示密码强度。该度量方法使我们能够直接比较不同密码的安全性。我们的实验演示使用了在输出层具有多个并行二分类器的全连接神经网络。结果表明，与轮数缩减的 DES 相比，Hitag2（现代汽车无钥匙进入中常用的流密码）的安全强度弱于 3 轮 DES。
引用
@article{arxiv.1911.04020,
title = {Neural Cryptanalysis: Metrics, Methodology, and Applications in CPS Ciphers},
author = {Ya Xiao and Qingying Hao and Danfeng and Yao},
journal= {arXiv preprint arXiv:1911.04020},
year = {2019}
}
备注
8 pages, 8 figures, The 2019 IEEE Conference on Dependable and Secure Computing