暗号技術に対する機械学習や深層学習を用いた安全性評価のための攻撃手法の提案

点击翻译按钮获取中文摘要

AESにて採用されていたSPN構造とは異なる、Feistel構造を持つ旧標準暗号である共通鍵暗号DESに対する機械学習を用いた攻撃手法として、以下の実験を行った。・鍵識別実験: 二つの異なる鍵に対して、ランダムに平文を生成して、基礎データを生成する。機械学習への学習データとして、平文と暗号文、特徴量に対して、そして正解ラベルとしての鍵IDに対して学習させ、テストデータとして平文と暗号文、特徴量を入力して、鍵IDを予測する実験を行った。ランダムに選択した2つの鍵に対する実験、および暗号文に望ましくない振る舞いを示す弱鍵とランダムな鍵のペアに対する実験を行ったが、鍵識別を有意な確度で正解することはできなかった。・平文推測実験: ランダムに選ばれた鍵に対してランダムに選んだ平文から暗号文を作成して、その平文・暗号文ペアを学習させ、暗号文に対する平文推測実験を行った。フル規格の16ラウンドのDESに対しては有効な結果を得ることができなかった。一方、1および2ラウンドのDESに対して、平文推測が可能な自明なビット位置以外の少数のビットも高い確率で推測できることが分かった。線形合同法による擬似乱数列に対する機械学習を用いた次ビット予測実験により、機械学習を用いた手法が有効であるという結果に対して、以下の詳細を調査した。・次ビット予測実験: 学習データとして、擬似乱数ビット列を与える。過去の出力と、正解ラベルとしての次刻の1ビットとする。テストデータとして、過去の出力を与え、次刻の1ビットを予測する実験を行った。gccのrand関数などのパラメータに対して、次刻の出力のビット毎の予測成功確率を求めたところ、下位10ビット程度が高い予測精度を得ていることが分かった。これらの線形合同法では2の「ビット位置」乗の周期がある事が知られており、周期が短いビット位置の成功確率が高いことが確認できた。