Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2023.11a
  • /
  • Pages.175-178
  • /
  • 2023
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Deep Learning-Based Neural Distinguisher for NIST Standard Format-Preserving Encryption

NIST 표준 형태 보존 암호에 대한 딥러닝 기반의 신경망 구별자

  • Duk-young Kim (Dept. of Convergence Security, Han-sung University) ;
  • Hyun-Ji Kim (Dept. of Information Computer Engineering, Han-sung University) ;
  • Kyung-Bae Jang (Dept. of Information Computer Engineering, Han-sung University) ;
  • Se-Young Yoon (Dept. of IT Convergence Engineering, Han-sung University) ;
  • Hwa-jeong Seo (Dept. of Convergence Security, Han-sung University)
  • 김덕영 (한성대학교 융합보안학과) ;
  • 김현지 (한성대학교 정보컴퓨터공학과) ;
  • 장경배 (한성대학교 정보컴퓨터공학과) ;
  • 윤세영 (한성대학교 IT융합공학부) ;
  • 서화정 (한성대학교 융합보안학과)
  • Published : 2023.11.02
Download PDF
⟨ Previous Next ⟩

Abstract

차분 분석은 암호 분석기법 중 하나이며, 차분 공격을 위해 랜덤 데이터들로부터 차분 특성 (입/출력차분)을 만족하는 데이터를 구별해 내는 것을 구별자 공격이라 한다. Neural distinguisher는 구별자에 딥러닝을 적용한 것이다. 본 논문에서는 NIST 표준 형태보존암호인 FF1, FF3-1을 위한 단일 차분을 사용한 최초의 신경 구별자를 제안하였다. FF1은 차분으로 0F를 사용할 때, 숫자 및 소문자 도메인에서 차분 데이터 구별에 성공하였다 (정확도는 각각 0.85 및 0.52). FF3-1에서는 08을 사용할 때, 숫자 및 소문자 도메인에서 차분 데이터 구별에 성공하였다 (정확도는 각각 0.98 및 0.55).

Keywords

Acknowledgement

This work was supported by Institute of Information & communications Technology Planning & Evaluation (IITP) grant funded by the Korea government(MSIT) (No.2022-0-00627, Development of Lightweight BIoT technology for Highly Constrained Devices, 50%) and this work was supported by Institute of Information& communications Technology Planning & Evaluation (IITP) grant funded by the Korea government(MSIT) (No.2021-0-00540, Development of Fast Design and Implementation of Cryptographic Algorithms based on GPU/ASIC, 50%).