基于CNN的國(guó)產(chǎn)商用分組密碼算法識(shí)別研究

劉節(jié)威，王 鋼，顏培志，方一格，荊 浩

(1.內(nèi)蒙古工業(yè)大學(xué) 數(shù)據(jù)科學(xué)與應(yīng)用學(xué)院，內(nèi)蒙古 呼和浩特 010051；2.內(nèi)蒙古工業(yè)大學(xué) 信息化建設(shè)與管理中心，內(nèi)蒙古 呼和浩特 010051；3.內(nèi)蒙古工業(yè)大學(xué) 信息工程學(xué)院，內(nèi)蒙古 呼和浩特 010051)

0 引言

在商用密碼應(yīng)用安全性評(píng)估工作中，要求對(duì)采用商用密碼技術(shù)、產(chǎn)品和服務(wù)集成建設(shè)的網(wǎng)絡(luò)和信息系統(tǒng)密碼應(yīng)用的合規(guī)性與正確性進(jìn)行評(píng)估[1]。分析與識(shí)別安全系統(tǒng)所采用的密碼算法，對(duì)于評(píng)估信息系統(tǒng)安全性、密碼使用合規(guī)性與正確性、中間人攻擊等方面有著重要的現(xiàn)實(shí)意義。同時(shí)，密碼算法識(shí)別是開(kāi)展密碼分析的前提條件，也是密碼分析的一個(gè)重要組成部分。無(wú)論是對(duì)信息系統(tǒng)或網(wǎng)絡(luò)設(shè)備中商用密碼算法的應(yīng)用合規(guī)性進(jìn)行評(píng)估還是開(kāi)展密碼分析工作，對(duì)密文進(jìn)行密碼算法識(shí)別都是至關(guān)重要的前提。目前對(duì)密碼算法的識(shí)別方向主要有兩個(gè)：(1)逆向分析技術(shù)[2-4]；(b)唯密文特征識(shí)別技術(shù)。在密評(píng)工作中，由于密碼算法應(yīng)用合規(guī)性檢測(cè)多采用逆向分析技術(shù)，存在耗時(shí)和安全性等問(wèn)題，利用唯密文特征識(shí)別密碼算法可以緩解上述問(wèn)題的存在。同時(shí)，唯密文方法是目前主流的研究方向，也是本文所采用的方法。

由于密碼輪函數(shù)、密鑰長(zhǎng)度和加密結(jié)構(gòu)等加密條件的不同，明文經(jīng)過(guò)不同密碼算法加密而來(lái)的密文在空間分布上也會(huì)存在差異，且加密后的密文數(shù)據(jù)也并未達(dá)到真正的隨機(jī)性，彼此之間尚存微小差異。因此可通過(guò)提取密文數(shù)據(jù)隱藏的特征關(guān)系作為密碼算法識(shí)別的依據(jù)。雖然利用統(tǒng)計(jì)學(xué)的方法對(duì)古典密碼算法進(jìn)行識(shí)別取得了不錯(cuò)的成績(jī)，但對(duì)現(xiàn)代密碼算法識(shí)別工作卻收效甚微[5]。隨著機(jī)器學(xué)習(xí)在其他領(lǐng)域的成熟應(yīng)用發(fā)展，其逐漸被研究者引入密碼算法識(shí)別任務(wù)中。利用機(jī)器學(xué)習(xí)算法對(duì)唯密文開(kāi)展密碼算法識(shí)別可以將其視為模式識(shí)別問(wèn)題，通過(guò)某種方式對(duì)密文提取特征，并對(duì)提取到的密文特征進(jìn)行選擇和機(jī)器學(xué)習(xí)模型訓(xùn)練，最終識(shí)別出其所屬的密碼算法。當(dāng)前常見(jiàn)的密文特征提取方式有：(1)NIST隨機(jī)性測(cè)試返回p_value特征值[6-7]；(2)特定字符、字節(jié)或比特的熵；(3)特定字符、字節(jié)或比特的概率；(4)將密文看成可變長(zhǎng)的文檔向量[8]；(5)以上幾種特征提取方式組合[9-10]。本文采用NIST隨機(jī)性測(cè)試方法提取密文特征，通過(guò)分析特征分布情況選擇合適的隨機(jī)性測(cè)試方法。

1 相關(guān)研究

如今，將機(jī)器學(xué)習(xí)方式運(yùn)用到密碼算法識(shí)別領(lǐng)域的研究日漸增多。2010年，Kuncheva等人[11]對(duì)DES、IDEA、RC2、AES共4種分組密碼算法進(jìn)行識(shí)別，研究了8種機(jī)器學(xué)習(xí)模型在密碼算法識(shí)別中的效果。2011年，Manjula等人[12]基于決策樹(shù)算法，對(duì)11種加密算法進(jìn)行識(shí)別，識(shí)別的密碼體制包括分組密碼、公鑰密碼、序列密碼與古典密碼。2012年，Chou等人[13]設(shè)計(jì)了基于支持向量機(jī)的識(shí)別模型，對(duì)ECB模式與CBC模式下的AES、DES、RC4三種分組密碼算法生成的密文進(jìn)行加密算法識(shí)別。2015年，吳楊等人[6]基于NIST的隨機(jī)性測(cè)試方法，選取三種測(cè)試方法設(shè)計(jì)密文特征，對(duì)AES、DES、3DES、Camellia、SM4五種分組密碼算法使用K-mean聚類(lèi)算法進(jìn)行兩兩聚類(lèi)。2018年，黃良韜等人[9]綜合已有的密碼算法識(shí)別研究成果，給出了密碼算法識(shí)別系統(tǒng)的一個(gè)形式化定義，然后對(duì)古典密碼、流密碼、分組密碼、公鑰密碼四種體制，通過(guò)簇分和單分兩個(gè)階段劃分識(shí)別階段，然后基于隨機(jī)森林算法進(jìn)行分層識(shí)別。同年，趙志誠(chéng)等人[14]結(jié)合隨機(jī)性測(cè)試方法、比特熵和不定長(zhǎng)文本向量等方法，設(shè)計(jì)密文特征，將Grain-128密碼算法分別與11種其他對(duì)稱(chēng)密碼算法進(jìn)行了兩兩區(qū)分。2019年，趙志誠(chéng)等人[7]基于NIST隨機(jī)性測(cè)試標(biāo)準(zhǔn)重新設(shè)計(jì)密文特征提取方法，基于隨機(jī)森林算法完成對(duì)AES、DES、3DES、IDEA、Blowfish和Camellia六種分組密碼算法的兩兩區(qū)分實(shí)驗(yàn)。2021年，紀(jì)文桃等人[15]針對(duì)分組密碼算法進(jìn)行識(shí)別，利用三種隨機(jī)測(cè)試方法對(duì)密文提取特征，訓(xùn)練C4.5決策樹(shù)分類(lèi)模型將商密SM4算法與國(guó)際主要標(biāo)準(zhǔn)分組密碼算法進(jìn)行兩兩識(shí)別。同年，曹莉茹[16]使用隨機(jī)性測(cè)試方法選擇密文特征，使用深度學(xué)習(xí)方法對(duì)密碼算法體制進(jìn)行識(shí)別，分別將BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于密碼算法識(shí)別任務(wù)中，確定了合適的網(wǎng)絡(luò)參數(shù)，構(gòu)建相應(yīng)的密碼算法識(shí)別分類(lèi)器，對(duì)8種密碼算法進(jìn)行識(shí)別。

分組密碼算法是現(xiàn)代密碼學(xué)中的一個(gè)重要研究分支，其誕生和發(fā)展有著廣泛的實(shí)用背景和重要的理論價(jià)值，同樣在眾多網(wǎng)絡(luò)設(shè)備和信息系統(tǒng)中廣泛應(yīng)用，針對(duì)國(guó)產(chǎn)商用分組密碼算法SM4開(kāi)展識(shí)別研究，對(duì)密評(píng)工作也具有促進(jìn)作用。目前，在密碼算法識(shí)別領(lǐng)域很少有研究者主要針對(duì)國(guó)產(chǎn)商用密碼進(jìn)行識(shí)別研究，且研究選擇識(shí)別的加密算法沒(méi)有考慮密鑰長(zhǎng)度等影響識(shí)別效果的變量信息。同時(shí)，深度學(xué)習(xí)技術(shù)因其擁有處理和分析大量復(fù)雜數(shù)據(jù)的能力，在圖像、自然語(yǔ)言處理和加密流量識(shí)別等眾多領(lǐng)域取得顯著成果，其研究對(duì)人工智能技術(shù)的發(fā)展意義重大。基于此，本文提出了一種基于自動(dòng)編碼器(Autoencoder，AE)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)結(jié)合的分組密碼算法識(shí)別方案，利用NIST隨機(jī)性方法提取密文潛在的整體和局部特征，研究識(shí)別的密碼算法是在盡量控制密鑰長(zhǎng)度一致的基礎(chǔ)上選擇，對(duì)商密SM4算法與AES、Camellia、DES、IDEA分組密碼算法進(jìn)行兩兩區(qū)分識(shí)別。

2 識(shí)別方案

密碼算法識(shí)別首先要提取密文特征，然后通過(guò)各類(lèi)密文特征之間的差異進(jìn)行分類(lèi)。據(jù)此，本文首先使用NIST隨機(jī)性測(cè)試方法對(duì)密文數(shù)據(jù)提取特征，然后對(duì)特征進(jìn)行數(shù)據(jù)預(yù)處理生成規(guī)則的灰度圖，以便后續(xù)卷積神經(jīng)網(wǎng)絡(luò)完成分類(lèi)識(shí)別任務(wù)。在特征提取階段，選擇組內(nèi)頻率測(cè)試、最長(zhǎng)1游程測(cè)試和二元矩陣秩測(cè)試等9種方法體現(xiàn)密文數(shù)據(jù)整體特征，選擇非重疊模板匹配方法體現(xiàn)密文數(shù)據(jù)局部特征。由于局部特征維度與整體特征維度不匹配，使用自動(dòng)編碼器對(duì)局部特征降維，然后對(duì)整體特征和降維后的局部特征融合處理生成對(duì)應(yīng)的灰度特征圖，之后將它們輸入到卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。該方法的結(jié)構(gòu)如圖1所示。

圖1 基于自動(dòng)編碼器和卷積神經(jīng)網(wǎng)絡(luò)的密碼算法識(shí)別模型

2.1 特征提取

由于NIST隨機(jī)性測(cè)試眾多方法對(duì)序列的整體或局部隨機(jī)性均有針對(duì)性的測(cè)試，針對(duì)這一特性，本文將整體和局部特征融合共同作為密文特征來(lái)突出各種加密算法密文之間的差異性。同樣，選擇合適的隨機(jī)性測(cè)試方法反映密文整體特征也是至關(guān)重要的。通過(guò)對(duì)各類(lèi)加密算法的密文文件進(jìn)行特征分布統(tǒng)計(jì)分析，選擇了9種隨機(jī)性測(cè)試方法反映密文整體特征，分別是頻率測(cè)試(Frequency test)、組內(nèi)頻率測(cè)試(Frequency test within a block)、游程測(cè)試(Runs test)、最長(zhǎng)1游程測(cè)試(Longest run of ones test)、二元矩陣秩測(cè)試(Binary matrix rank test)、離散傅里葉變換測(cè)試(Discrete Fourier transform test)、序列測(cè)試(Serial test)、近似熵測(cè)試(Approximate entropy test)、累加和測(cè)試(Cumulative sums test)。而反映密文局部特征的方法選擇的則是非重疊模塊匹配測(cè)試（Non overlapping template matching test）。

在待提取特征的密文文件統(tǒng)一大小的基礎(chǔ)上，將密文文件分割為數(shù)份固定大小的二進(jìn)制密文塊，分別基于上述10種隨機(jī)性測(cè)試方法提取密文特征。密碼算法集合為M={m1，m2，m3，…，mk}，其中k代表密碼算法的數(shù)量。每種密碼算法mi分別加密明文文件F得到密文文件C，每個(gè)密文文件Ci分割為一定數(shù)量等長(zhǎng)的密文塊Cij。每個(gè)密文塊Cij基于反映密文文件整體特征的9種隨機(jī)性方法提取特征，可得特征向量Afeaij={Afeaij_1，Afeaij_2，…，Afeaij_d}；基于反映密文局部特征的非重疊模塊匹配測(cè)試方法提取特征，可得特征向量Bfeaij={Bfeaij_1，Bfeaij_2，…，Bfeaij_q}。在對(duì)特征向量Afeaij和Bfeaij融合之前，首先需要對(duì)Bfeaij進(jìn)行數(shù)據(jù)降維處理。

2.2 自動(dòng)編碼器數(shù)據(jù)降維

自動(dòng)編碼器[17]是一種無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法，其基本思想是直接使用一層或者多層的神經(jīng)網(wǎng)絡(luò)對(duì)輸入數(shù)據(jù)進(jìn)行關(guān)系映射，得到輸出向量作為從輸入數(shù)據(jù)中提取的特征。自動(dòng)編碼器廣泛用于數(shù)據(jù)降維[18]和特征學(xué)習(xí)[19]，與主成分分析(PCA)算法相比，自動(dòng)編碼器具有更好的靈活性和處理非線性特征的能力。圖2所示為三層自動(dòng)編碼器模型，從圖中可以看出自動(dòng)編碼器分為三部分：輸入層、隱藏層和輸出層。其中輸入層向隱藏層的低維映射被稱(chēng)為編碼器，得到輸入數(shù)據(jù)的高效表征；從隱藏層到輸出層的高維映射被稱(chēng)為解碼器，對(duì)輸入數(shù)據(jù)進(jìn)行重構(gòu)。一般情況下隱藏層的維度比輸入層的維度要小，由于隱藏層抽取了輸入層的有效信息，因此自動(dòng)編碼器可用于數(shù)據(jù)降維[20]。由于2.1節(jié)中特征向量Bfeaij維度過(guò)高且Afeaij維度過(guò)低，如果未經(jīng)過(guò)任何降維處理直接融合特征向量，就會(huì)造成兩個(gè)特征向量維度不匹配的問(wèn)題。在分類(lèi)模型訓(xùn)練過(guò)程中，高維度特征向量會(huì)壓制低維度向量，導(dǎo)致訓(xùn)練效果不理想。

圖2 三層自動(dòng)編碼器模型

為了將密文整體和局部特征更高效地融合，使用自動(dòng)編碼器對(duì)特征向量Bfeaij降維。以處理16 KB密文塊為例，自動(dòng)編碼器模型包括1個(gè)輸入層、4個(gè)線性隱藏層+激活層、1個(gè)輸出層，如圖3所示。

圖3 自動(dòng)編碼器模型

2.3 卷積神經(jīng)網(wǎng)絡(luò)模型

卷積神經(jīng)網(wǎng)絡(luò)[21]由于善于提取數(shù)據(jù)局部特征和下采樣特性，相比其他機(jī)器學(xué)習(xí)模型更適合處理特征維度較高和具有空間特征的數(shù)據(jù)，如圖像、文本和本文中使用的密文數(shù)據(jù)空間特征。不同結(jié)構(gòu)的加密算法生成的密文文件在空間分布上存在信息差異性，這種空間信息差異性很難用傳統(tǒng)機(jī)器學(xué)習(xí)算法分析，故本文使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)密碼算法展開(kāi)識(shí)別研究。卷積神經(jīng)網(wǎng)絡(luò)識(shí)別模型如圖4所示，以16 KB密文塊為例，包括一個(gè)輸入層、三個(gè)卷積+最大池化連接層、兩個(gè)全連接層以及一個(gè)輸出層，其中輸入層為預(yù)處理過(guò)之后的灰度特征圖。

圖4 卷積神經(jīng)網(wǎng)絡(luò)識(shí)別模型

基于卷積神經(jīng)網(wǎng)絡(luò)模型的識(shí)別方案，具體流程如下：

(1)訓(xùn)練階段

①隨機(jī)抽取密碼算法已知的一組密文文件C1，C2，…，Cs，其中s為文件個(gè)數(shù)；

②對(duì)每個(gè)密文文件Ci按固定大小分割為二進(jìn)制密文塊Ci1，Ci2，…，Cit，其中t為密文塊個(gè)數(shù)；

③對(duì)密文塊Cij數(shù)據(jù)內(nèi)容進(jìn)行特征提取，得到兩組特征向量Afeaij和Bfeaij，對(duì)Bfeaij特征降維，然后融合特征向量Afeaij和Bfeaij得到feaij={feaij-1，feaij-2，…，feaij-d}，其中d為特征維數(shù)，其維數(shù)由具體選擇的采集方式確定；

④每個(gè)密文文件組成一個(gè)大小為t×d的特征矩陣，轉(zhuǎn)換為灰度特征圖；

⑤s個(gè)密文文件則構(gòu)成s個(gè)灰度特征圖且特征標(biāo)簽已知為L(zhǎng)ab={lab1，lab2，…，labs}，每個(gè)密文文件構(gòu)成二元組(feai，labi)；

⑥將帶標(biāo)簽的數(shù)據(jù)(feai，labi)提交到神經(jīng)網(wǎng)絡(luò)分類(lèi)算法，進(jìn)行分類(lèi)模型的訓(xùn)練。

(2)測(cè)試階段

①?gòu)木W(wǎng)絡(luò)設(shè)備或信息系統(tǒng)中獲取密文文件。對(duì)一個(gè)待識(shí)別的密文文件C按固定大小分割為二進(jìn)制密文塊，對(duì)每個(gè)密文塊進(jìn)行特征提取和特征降維，拼接每個(gè)密文塊的特征向量feai，得到一個(gè)二維矩陣并轉(zhuǎn)換為灰度特征圖。

②將灰度特征圖輸入到在訓(xùn)練階段訓(xùn)練好的分類(lèi)器模型中，模型給出密碼算法識(shí)別結(jié)果，即密碼算法標(biāo)簽lab。

3 實(shí)驗(yàn)結(jié)果與分析

本文實(shí)驗(yàn)使用OpenSSL和GmSSL密碼庫(kù)工具中實(shí)現(xiàn)的SM4、AES、Camellia、DES和IDEA密碼算法加密明文文件，使用NIST隨機(jī)性測(cè)試工具包提取密文特征，以PyTorch深度學(xué)習(xí)框架和PyCharm軟件為模型訓(xùn)練環(huán)境，實(shí)驗(yàn)測(cè)試環(huán)境如表1所示。

表1 實(shí)驗(yàn)測(cè)試環(huán)境

明文數(shù)據(jù)來(lái)源于網(wǎng)上爬取的圖片，將所有圖片拼接成大小為1 024 MB的明文文件，再將其平均分割為2 000份小文件，每份大小均為512 KB。設(shè)置對(duì)應(yīng)的固定密鑰和分組密碼ECB工作模式，每份小文件經(jīng)過(guò)不同密碼算法加密后獲得對(duì)應(yīng)的密文文件共計(jì)10 000份。對(duì)實(shí)驗(yàn)數(shù)據(jù)灰度特征圖進(jìn)行隨機(jī)抽樣訓(xùn)練，隨機(jī)抽樣70%作為訓(xùn)練集，其余30%作為測(cè)試集，以10折重復(fù)隨機(jī)抽樣數(shù)據(jù)集的平均準(zhǔn)確率作為識(shí)別效果的度量值。后續(xù)模型訓(xùn)練階段和測(cè)試階段都是在此基礎(chǔ)上完成。有關(guān)各類(lèi)密碼算法的設(shè)置情況和實(shí)現(xiàn)方式如表2所示。

表2 5種加密算法的具體參數(shù)列表

10種隨機(jī)性測(cè)試方法的參數(shù)設(shè)置對(duì)返回值p_value的大小和數(shù)量均有影響。表3為實(shí)驗(yàn)所用隨機(jī)性測(cè)試方法的參數(shù)設(shè)置情況[22]，未說(shuō)明實(shí)驗(yàn)取參均使用NIST隨機(jī)性測(cè)試包默認(rèn)設(shè)置。

表3 10種隨機(jī)性測(cè)試參數(shù)范圍列表

為了驗(yàn)證密文塊大小對(duì)實(shí)驗(yàn)效果是否有影響，本文采用兩種密文分塊方案，分別將密文文件劃分為32塊和128塊，則密文文件大小為16 KB和4 KB。對(duì)每種分塊方案的密文塊分別記為和，密文文件提取特征生成32×32維和128×128維的特征灰度圖。圖5和圖6所示分別為基于某種加密算法的和密文塊方案的特征灰度圖。

圖5 C3ij2密文塊方案特征灰度圖

圖6 C1ij28密文塊方案特征灰度圖

完成以上工作，將得到的特征灰度圖輸入到卷積神經(jīng)網(wǎng)絡(luò)模型中訓(xùn)練分類(lèi)。首先將商密SM4算法 與AES、Camellia、DES、IDEA算 法 之 間 兩 兩 區(qū) 分識(shí)別，其準(zhǔn)確率都在80%以上，如表4所示。

表4 SM4與4種分組密碼算法識(shí)別準(zhǔn)確率

表5 DES與4種分組密碼算法識(shí)別準(zhǔn)確率

DES算法與其他算法識(shí)別準(zhǔn)確率均在85%以上，具有較高的識(shí)別準(zhǔn)確率，這說(shuō)明密鑰長(zhǎng)度不同確實(shí)會(huì)影響密碼算法之間識(shí)別的效果。研究識(shí)別的密碼算法在密鑰長(zhǎng)度一致的基礎(chǔ)上，與其他相關(guān)文獻(xiàn)相比，本文提出的基于自動(dòng)編碼器和卷積神經(jīng)網(wǎng)絡(luò)的密碼算法識(shí)別方案取得了不錯(cuò)的準(zhǔn)確率和穩(wěn)定性，對(duì)比結(jié)果如表6所示。

表6 分組密碼算法識(shí)別方案對(duì)比

4 結(jié)論

本文利用NIST隨機(jī)性方法對(duì)密文文件提取整體和局部特征，使用自動(dòng)編碼器對(duì)數(shù)據(jù)降維，提出一種基于自動(dòng)編碼器和卷積神經(jīng)網(wǎng)絡(luò)模型的分組密碼算法識(shí)別方案。所選密碼算法在控制密鑰長(zhǎng)度這一變量的基礎(chǔ)上開(kāi)展研究，實(shí)驗(yàn)結(jié)果表明，密鑰長(zhǎng)度不同的兩種分組密碼算法，識(shí)別準(zhǔn)確率相對(duì)較高，說(shuō)明算法密鑰長(zhǎng)度不同對(duì)識(shí)別結(jié)果的準(zhǔn)確率確實(shí)有影響。同時(shí)，SM4與其他算法兩兩識(shí)別的準(zhǔn)確率可達(dá)80%之上，DES與其他算法兩兩識(shí)別的準(zhǔn)確率可達(dá)85%之上。本文主要針對(duì)分組密碼ECB工作模式進(jìn)行識(shí)別研究，在后續(xù)的工作中，將嘗試對(duì)CBC、CFB等復(fù)雜工作模式開(kāi)展研究，對(duì)多種不同密鑰長(zhǎng)度的密碼算法進(jìn)行識(shí)別，優(yōu)化密文特征選擇和特征處理過(guò)程。同時(shí)，對(duì)國(guó)產(chǎn)商用序列密碼體制和公鑰密碼體制識(shí)別展開(kāi)研究。