基于模拟退火—遗传算法的非线性密钥序列生成器线性复杂度研究.docVIP

基于模拟退火—遗传算法的非线性密钥序列生成器线性复杂度研究 　　【 摘 要 】 计算线性等价是研究非线性密钥序列生成器线性复杂度的有效方法。本文先介绍了计算线性等价的模拟退火法，然后使用遗传算法对该算法进行改进，最后使用一组密钥序列生成器对改进后的算法进行性能评估，并将改进后的算法和原算法进行了比较。结果表明改进后的算法能比原算法更有效的找到非线性密钥序列生成器的线性等价。 　　【 关键词 】 线性等价；模拟退火；遗传算法；序列密码 　　【 中图分类号 】 TP309 【 文献标识码 】 A 　　1 引言 　　在序列密码理论中线性复杂度是非常重要的安全性尺度，许多学者在这方面都做了研究。Garcia和Fuster-Sabater2000致力于分析非线密钥序列生成器的线性复杂度 ；Wasan等学者指出，寻找线性等价是一种确定非线性密钥序列生成器线性复杂度的有效方法，并提出了基于模拟退火法（Simulated Annealing，简写为SA）计算线性等价的方法。 　　模拟退火法具有较强的局部搜索能力，然而全局搜索能力偏弱。遗传算法（Genetic Algorithm，简写为GA）的全局搜索能力较强。模拟退火—遗传算法已经被广泛的应用在各个领域，取得了令人满意的结果。因此，我们基于Wasan等学者的方法，使用遗传算法对其进行改进，提高了算法的效率。这篇论文包含了对算法的描述，对算法效率和性能的研究，另外还有改进后算法和原算法的对比。 　　2 计算线性等价遗传算法描述 　　为了更好地阐述非线性密钥序列生成器线性等价问题，首先对其进行遗传算法描述。遗传算法有五个关键步骤：确定候选解的表示方法；随机生成初始种群；评价每个个体（染色体）的适应度；从种群出选出一些个体作为父代，使用交叉和变异操作来产生子代；重复评价适应度并产生子代直到生成满意的结果。 　　2.1 表示方法 　　在遗传算法中，用到了不同长度的染色体。使用二进制序列来代表染色体，每条染色体表示一个线性反馈移位寄存器（Linear Feedback Shift Register下记为LFSR）的反馈函数。这些染色体就是给出的密钥序列长度的候选线性等价，假设长度lengthkey为2L。最短染色体的长度是2bit，最长染色体的长度是2Lbit。 　　2.2 适应度函数 　　适应度函数用来评估每条染色体ch。适应度函数通过等式①给出。 　　Fitness（ch）=（lengthkey-d）+（lengthkey/3）× ① 　　在（1）式中lengthkey-d用来判定生成密钥序列的准确性， lengthkey/3判定最短的LFSR是哪个从而得出最佳结果。1/（1+L（ch）是补充系数，其中L（ch）是染色体ch的长度。 　　2.3 适应度计算算法 　　每条染色体的适应度ch通过下述算法得到。 　　Step1： L（ch）=Length（ch） //令L（ch）成为将要被评估的染色体ch的长度 　　Step2： w=LFSR（a0……aL-1） //令w为LFSR的初态，即最初的长度为L（ch）的密钥序列 　　Step3： g（ch）=ch（w） //用ch和w生成二进制的序列g（ch） 　　Step4： d=Hamming（key，g（ch））//计算密钥序列和g（ch）的汉明距离 　　Step5： Fitness（ch）=（lengthkey-d）+（lengthkey/3）（1/（1+L（ch））） //通过等式（1）计算这条染色体的适应度 　　2.4 遗传参数 　　采用1点交叉和5%概率变异的基因操作来更新种群。种群大小n依赖于已知的密钥序列的长度lengthkey。因此随着密钥序列长度lengthkey的增加，种群大小n应当同时增加。设种群大小计算公式为n=lengthkey20。 　　父代个体通过基因的交叉和变异操作产生子代个体。 　　2.5 停止条件 　　遗传算法的运行在繁殖一定代产生之后停止。问题的解为最后一代种群中适应度最高的染色体。问题的解应该有适应度lengthkey+L，该染色体代表了非线性密钥序列生成器的线性等价。 　　3 计算非线性密钥序列生成器线性等价算法 　　影响遗传算法性能的关键因素就是淘汰策略，即是从当前的种群中如何选择最优的个体作为下一代种群的个体。这部分研究内容，我们提出了SA-GA1和SA-GA2两个算法来计算非线性密钥序列生成器的线性等价。遗传算法中的染色体表示方案、基因参数和适应度函数都应用到了SA-GA1、SA-GA2算法中。 　　SA-GA1算法先随机生成初始种群并计算种群整体适应度，然后通过交叉和变异操作该种群繁殖新一代种群同时计算新种群的整体适应度。如果新种群整体适应度较大就淘