في مؤتمر مايو للعام 2019 عن الكريبتولوجيا الدولية السنوي، قدم غوهر تقنية تحليل الكلمات السرية المعتمدة على التعلم العميق، وهي مناسبة لتحليل الكلمات السرية للتشفير الخفيف ذو المجموعات القصيرة SPECK32/64. غوهر ترك مشكلة رئيسية، أي كيفية تنفيذ هجوم استرداد المفتاح على مجموعة كبيرة الحالة لتشفير الكلمات السرية المعتمد على التعلم العميق. صمم هذا النص إطارًا لاستعادة المفتاح على مجموعة كبيرة الحالة لتشفير الكلمات السرية المعتمدة على التعلم العميق. أولاً، يقترح اختبار حساسية بت المفتاح العميق المعتمد على التعلم العميق (KBST) لتقسيم مساحة المفتاح بشكل موضوعي. ثانيًا، يطرح طريقة جديدة لتجميع منفصل الأعصاب لتحسين الإطار العميق المعتمد على التعلم العميق لاستعادة المفتاح لتشفير الكلمات السرية المعتمد على مجموعة كبيرة الحالة، ويثبت من وجهة نظر تحليل الكلمات السرية مدى معقوليتها وفعاليتها. تحت الإطار الجديد المحسن لاستعادة المفتاح، تم تدريب مجموعة منفصلة فعالة من الأعصاب لكل من SIMON وSPECK الحالة الكبيرة، وتم إجراء هجوم فعلي لاستعادة المفتاح على أعضاء SIMON وSPECK الحالة الكبيرة. هجوم SIMON64 المقترح في هذا النص هو أكثر الطرق فعالية لاستعادة المفتاح الفعلية حتى الآن. هذه هي المرة الأولى التي يتم فيها تجربة هجمات الاستعادة العملية المعتمدة على التعلم العميق على SIMON128 بعد 18 جولة، SIMON128 بعد 19 جولة، SIMON96 بعد 14 جولة وSIMON64 بعد 14 جولة. بالإضافة إلى ذلك، تم تحسين نتائج هجوم استعادة المفتاح الفعلي على أعضاء SPECK المجموعة الكبيرة، وتحسين معدل نجاح هجوم استعادة المفتاح.

التعلم العميق؛ تشفير الكلمات السرية بمجموعة كبيرة الحالة؛ استعادة المفتاح؛ تحليل الفروق؛ SIMON؛ SPECK