王慧娇 丛 鹏 蒋 华 韦永壮

(广西可信软件重点实验室(桂林电子科技大学) 广西桂林 541004)

近年来，伴随无线传感器网络以及射频识别技术的发展和广泛应用，对资源受限的设备进行数据加密需要使用轻量级的密码算法.然而轻量级的密码算法追求低消耗与高效率，必然会导致安全性的降低，针对这一问题目前还没有公认的设计准则与安全标准，因此有必要对这些轻量级算法的安全性进行分析.

一个轻量级分组密码的分析关键在于构造一个有效的区分器，即根据密码算法的结构或其组件的特征将原密码算法和随机置换进行区分.差分区分器是迄今已知的攻击分组密码最有利的工具之一，由Biham等人[1]首次提出，该工具利用了分组密码算法在迭代过程中存在不平衡的差分统计量分布.轻量级分组密码在设计之初会充分考虑抵御差分密码分析和线性密码分析.如何发现未知的算法缺陷，设计新型区分器是一个新的研究方向.人工智能的飞速发展与深度学习技术的进步息息相关，在计算机视觉[2]、自然语言处理[3]、生物信息[4]等领域深度学习具有广泛的应用.深度学习是一种从数据当中发现复杂规律，并且利用规律对未来时刻、未知状况进行预测和判定的方法，因此深度学习在解决密码学问题上具有潜在的优势.

就密码学而言，深度学习主要应用于侧信道分析[5]，对深度学习技术在经典密码分析的适用性上没有……