Auf der jährlichen internationalen Kryptografiekonferenz 2019 stellte Gohr eine Technologie zur Passwortanalyse auf Basis von Deep Learning vor, die sich zur Analyse von Passwörtern für leichte Blockchiffren mit kurzen Blöcken (SPECK32/64) eignet. Gohr hinterließ eine wichtige Frage offen, nämlich wie man einen Angriff zur Wiederherstellung großer Zustandsschlüssel für Blockchiffren basierend auf Deep Learning durchführt. In diesem Artikel wurde ein Framework zur Wiederherstellung von Schlüsseln für große Zustandsblockchiffren auf Basis von Deep Learning entwickelt. Zunächst wird ein objektiver Test zur Sensitivitätsprüfung von Schlüsselbits auf Basis von Deep Learning (KBST) vorgeschlagen, um den Schlüsselraum objektiv zu unterteilen. Zweitens wird eine neue Methode zur Kombination neuronaler Diskriminatoren vorgeschlagen, um das Framework zur Wiederherstellung von Schlüsseln auf Basis von Deep Learning für Blockchiffren mit großem Zustand zu verbessern, und es wird aus der Sicht der Passwortanalyse die Vernünftigkeit und Wirksamkeit nachgewiesen. Im verbesserten Framework zur Wiederherstellung von Schlüsseln wurde eine effektive Kombination neuronaler Diskriminatoren für SIMON und SPECK mit großem Zustand trainiert, und es wurde ein tatsächlicher Schlüsselwiederherstellungsangriff auf Mitglieder von SIMON und SPECK mit großem Zustand durchgeführt. Der in diesem Artikel vorgeschlagene SIMON64-Angriff ist bisher die effektivste Methode für tatsächliche Schlüsselwiederherstellung. Es handelt sich um den ersten Versuch, einen praktischen Schlüsselwiederherstellungsangriff basierend auf Deep Learning auf SIMON128 nach 18 Runden, SIMON128 nach 19 Runden, SIMON96 nach 14 Runden und SIMON64 nach 14 Runden durchzuführen. Darüber hinaus wurden die Ergebnisse des tatsächlichen Schlüsselwiederherstellungsangriffs für Mitglieder von SPECK mit großem Zustand verbessert, was die Erfolgsquote des Schlüsselwiederherstellungsangriffs erhöhte.

Deep Learning; Blockchiffren mit großem Zustand; Schlüsselwiederherstellung; differentielle Analyse; SIMON; SPECK