[发明专利]一种基于类粒子群正态优化算法的SKINNY算法组件优化方法

说明书

一种基于类粒子群正态优化算法的SKINNY算法组件优化方法，包括步骤如下：1、设定SKINNY密码算法组件格式；2、种群初始化，生成符合要求的初始种群用于后续优化；3、种群个体预处理，对种群中的个体进行预处理，使其符合SKINNY密码算法组件格式，用于后续目标函数计算；4、设定SKINNY密码算法目标函数，根据SKINNY密码算法所需要优化的性能指标，选择确定轮数下的活跃s盒数作为优化标准，计算方式作为SKINNY密码算法目标函数；5、种群迭代更新，根据类粒子群正态优化算法的设定对初始种群进行更新迭代，最终得到符合设定指标下的种群；6、算法输出，根据设定，对符合要求的算法组件进行存储，并输出一个或多个性能最优的算法组件。

技术领域

本发明属于密码学、群体智能算法领域，特别是分组密码算法组件设计的方法，具体地说是基于类粒子群正态优化算法的SKINNY算法组件优化方法。

背景技术

近年来，混合整数线性规划(MILP)相继被不同的学者应用于求解密码学问题，此后，利用MILP对密码算法进行自动分析成为了密码学领域的一个重要研究进展，其中包括差分、线性、不可能差分、中间相遇等多种分析手段。然而利用智能优化技术等先进的计算机工具通过MILP实现密码算法组件的设计几乎没有学者研究。最早的密码算法设计者，更多的关注算法的逻辑本身，在算法参数的选择上，往往依靠其主观经验判断，或者对现有的算法参数进行简单筛选。无法保证参数是否是最优解。

元启发式算法是启发式算法的改进，它是随机算法与局部搜索算法相结合的产物。粒子群算法源于复杂适应系统。算法的基本原理源于对鸟群捕食的行为研究，基本思想是通过在群体中个体之间的协作和信息共享来寻找最优解。进化策略是进化算法的一类重要变种，采用真实值编码。

SKINNY是一种SPN型轻量级分组密码，在安全性等各方面表现优异。相较于SIMON算法，SKINNY算法的软硬件表现与之相当，但是安全性更好。以分组长度和密钥长度区分，SKINNY算法共有6个版本，(SKINNY-n-t,SKINNY-n-2t,SKINNY-n-3t),其中分组长度n可以等于64bit或128bit,密钥长度t可以等于n,2n或3n，故SKINNY又称为可调分组密码算法。本发明的方案中主要探讨的是SKINNY-n-3t，其中n等于64bit。

目前通过元启发式算法设计SKINNY算法组件存在一些缺陷，其一，采用的元启发式算法都是现有的成熟算法，不是针对于SKINNY算法提出的；其二，原有方法每次优化都只能输出一个算法组件，不利于使用者后续的筛选使用；其三，原有方法的终止条件单一，不适用于实际应用场景。

发明内容

本发明为了解决以上技术问题，设计了一种全新的元启发式算法，提供一种基于类粒子群正态优化算法的SKINNY算法组件优化方法，设计了针对于SKINNY算法专门的元启发式算法，修改设计了算法的终止条件设置以及搜得算法组件的存储模块。使得本发明在实际应用时可以一次性输出一个或多个最优解，可以一次性存储大量符合存储要求的算法组件，能够有效提高分组密码算法组件的优化效率，而且可以通过简单的参数调整适用于其他分组密码的设计与优化中。

根据目前分组密码设计过程的缺陷和不足，可以总结出设计基于优化算法的分组密码算法组件优化算法一些规则，如下所述：

(1)通过计算机可以大量生成符合结构要求的算法组件。

(2)算法组件结构简单，搜索范围足够大，无法采取遍历等方式进行筛选；

(3)算法组件的评价指标明确，且可以用编程实现；

(4)算法组件模块化，所优化组件的替换，不影响算法整体的逻辑。