Lors de la conférence internationale annuelle sur la cryptographie en 2019, Gohr a présenté une technologie d'analyse de mots de passe basée sur l'apprentissage profond, adaptée à l'analyse des mots de passe des chiffrements par blocs légers à groupes courts SPECK32/64. Gohr a laissé une question clé en suspens, à savoir comment réaliser une attaque de récupération de clé de grand état basée sur l'apprentissage profond pour les chiffrements par blocs. Cet article a développé un framework de récupération de clé basé sur l'apprentissage profond pour les chiffrements par blocs de grand état. Tout d'abord, il propose un test objectif de sensibilité des bits de clé basé sur l'apprentissage profond (KBST) pour partitionner objectivement l'espace des clés. Ensuite, une nouvelle méthode de combinaison de discriminateurs neuronaux est proposée pour améliorer le framework de récupération de clé basé sur l'apprentissage profond pour les chiffrements par blocs de grand état, et sa rationalité et son efficacité sont prouvées du point de vue de l'analyse des mots de passe. Dans le framework de récupération de clé amélioré, une combinaison efficace de discriminateurs neuronaux pour SIMON et SPECK de grand état a été formée, et une attaque de récupération de clé réelle a été menée sur les membres de SIMON et SPECK de grand état. L'attaque SIMON64 proposée dans cet article est la méthode la plus efficace de récupération de clé réelle à ce jour. Il s'agit de la première tentative de mener une attaque de récupération de clé pratique basée sur l'apprentissage profond sur SIMON128 après 18 tours, SIMON128 après 19 tours, SIMON96 après 14 tours et SIMON64 après 14 tours. De plus, les résultats de l'attaque de récupération de clé réelle pour les membres de SPECK de grand état ont été améliorés, augmentant ainsi le taux de réussite de l'attaque de récupération de clé.

Apprentissage en profondeur; chiffrements par blocs de grand état; récupération de clé; analyse différentielle; SIMON; SPECK