基于Transformer模型与注意力机制的差分密码分析.pdf

研究论文第51卷第1期/2025年1月/计算机工程

基于Transformer模型与注意力机制的差分密码分析

肖超恩，李子凡，张磊，王建新，钱思源

（北京电子科技学院电子与通信工程系，北京100071)

摘要：基于差分分析的密码攻击中，通常使用贝叶斯优化方法验证部分解密的数据是否具有差分特性。目前，

主要采用基于深度学习的方式训练1个差分区分器，但随着加密轮数的增加，差分特征的精确度会呈现线性降低

的趋势。为此，结合注意力机制和侧信道分析，提出了一种新的差分特性判别方法。根据多轮密文间的差分关

系，基于Transformer训练了1个针对SPECK32/64算法的差分区分器。在密钥恢复攻击中，借助前一轮的密文

对待区分密文影响最大特性，设计了新的密钥恢复攻击方案。在SPECK32/64算法的密钥恢复攻击中，采用

26个选择明密文对，并借助第20轮密文对将第22轮65536个候选密钥范围缩小至17个以内，完成对最后两轮

子密钥的恢复攻击。实验结果表明，该方法的攻击成功率达90%，可以有效应对加密轮数增多造成的密文差分特

征难以识别的问题。

关键词：Transformer模型；注意力机制；差分区分器；SPECK32/64算法；密钥恢复攻击

中图分类号：TP391文献标志码：AD0I:10.19678/j.issn.1000-3428.0068486

DifferentialCryptanalysisBasedonTransformerModelandAttentionMechanism

XIAOChaoen,LIZifan,ZHANGLei,WANGJianxin,QIANSiyuan

(DepartmentofElectronicsandCommunicationsEngineering,BeijingElectronicScienceandTechnologyInstitute,Beijing100071,China)

[Abstract]Indifferentialanalysis-basedcryptographicattacks,Bayesianoptimizationistypicallyusedtoverify

whetherthepartiallydecrypteddataexhibitdifferentialcharacteristics.Currently,theprimaryapproachinvolves

trainingadifferentialdistinguisherusingdeeplearningtechniques.However,thismethodhasanotablelimitation

inthat,asthenumberofencryptionroundsincreases,theaccuracyofthedifferentialcharacteristicsdecreases

linearly.Therefore,anewdifferentialcharacteristicdiscriminationmethodisproposedbasedontheattention

mechanismandside-channelanalysis.Usingthedifferencerelationshipbetweenmultipleroundsoftheciphertext,

adifferencepartitionfortheSPECK32/64algorithmistrainedbasedonthetransformer.Inakeyrecoveryattack,

anovelschemeisdesignedbasedonthepreviousciphertexttreatmenttodistinguishthemostinfluentialfeaturesof

theciphertext.