计算机工程

作者：池亚平, 岳梓岩, 林雨衡

单位：1. 北京电子科技学院 网络空间安全系, 北京 1000702. 中国科学院网络测评技术重点实验室, 北京 100093

关键词：密码算法识别,SM4算法,工作模式,深度学习,Transformer模型

基金：国家重点研发计划(2018YFB1004100)

密码算法识别是开展密码设备监管、密码分析等工作的前提，在对现有密码算法识别方案进行总结和分析的基础上，利用K近邻(KNN)算法和随机性检测工具分析SM4分组密码算法不同工作模式下密文识别准确率低的原因。针对现有方案在SM4算法多种工作模式密文混合场景下识别准确率低的现状，证明深度学习应用于SM4分组密码算法工作模式识别问题的可行性，提出一种基于Transformer的SM4算法工作模式密文识别方案。在ECB、CBC、CFB、OFB、CTR工作模式下对文件进行批量加密，密文文件经过数据预处理形成密文数据集，然后输入Transformer模型进行五分类识别。实验结果表明，SM4算法5种工作模式在密文混合场景下识别准确率达到94.94%，证明所提方案可有效提升SM4分组密码算法5种工作模式在密文混合场景下的识别准确率。将密文数据集输入卷积神经网络、循环神经网络、ResNet进行对比实验，结果表明，相较于这3种传统神经网络，基于自注意力机制的Transformer模型识别准确率分别提升18.38、26.96、10.44个百分点。

来源：2023年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第9期