[发明专利]一种商用密码算法识别方法、系统、介质、设备及终端

权利要求书

1.一种基于LeNet5-RF的商用密码算法识别方法，其特征在于，所述基于LeNet5-RF的商用密码算法识别方法包括：在银行电子账户系统的安全数据检测中利用LeNet5神经网络模型与随机森林模型对商用密码算法进行训练，并搭建密文分类平台，增强各类采用数字签名系统数据的安全性。

2.权利要求1所述的基于LeNet5-RF的商用密码算法识别方法，其特征在于，所述基于LeNet5-RF的商用密码算法识别方法包括以下步骤：步骤一，密文预处理：将用户提交的待识别密文转化为01串后，对密文串进行量化和映射，形成密文映射矩阵；

步骤二，CnPo特征提取：将预处理得到的密文映射矩阵进行卷积和池化操作得到最终的64维CnPo_64、75维CnPo_75以及192维CnPo_192密文特征；

步骤三，构建随机森林RF；

步骤四，构建LeNet5神经网络；

步骤五，数据处理：对密文矩阵进行正则化处理后，按照8：2的比例将数据集划分为训练集和测试集，送入LeNet5-RF模型进行训练。

3.如权利要求2所述的基于LeNet5-RF的商用密码算法识别方法，其特征在于，步骤一中，所述待识别密文文件的商用密码算法体制包括SM2、SM3、SM4中的至少一种；

所述密文预处理，包括：

(1)采用简单线性变换，按照8bit、16bit或32bit将原始密文分块；

(2)采用累加求和对划分的密文块进行量化，得到1024维的转化后的密文数据；

(3)将密文数据按顺序分割得到大小为32×32密文映射矩阵；

步骤二中，所述CnPo特征提取，包括：

(1)对于每一个密文文件，将预处理得到的32×32的密文矩阵进行一次卷积，其中输入通道为1，输出通道为3；

(2)通过两次池化下采样，得到3个8×8的矩阵；

(3)将矩阵展平，得到192维特征向量。

4.如权利要求2所述的基于LeNet5-RF的商用密码算法识别方法，其特征在于，步骤三中，所述构建随机森林RF，包括：

(1)用训练集对模型进行训练，用测试集测试模型预测的准确率；

(2)对模型的参数进行优化，选择能够使准确率较高，时间性能较好的参数，根据不同的加密算法选择适合的特征维度；

(3)将训练好的模型保存，供之后使用。

5.如权利要求2所述的基于LeNet5-RF的商用密码算法识别方法，其特征在于，步骤四中，所述构建LeNet5神经网络，包括：

(1)输入32×32×1的灰度图像，经过6×5×5的滤波器第一次卷积C1得到28×28×6的输出；

(2)将输出送入池化层P1进行2×2的下采样后，再经过16×5×5的滤波器第二次卷积C2得到10×10×16的输出；

(3)将本次输出送入与P1相同的P2池化层，展开得到400维的特征向量；

(4)完成三次全连接操作，最终得到10维的输出，并使用softmax分类得到对应的权重。

6.如权利要求2所述的基于LeNet5-RF的商用密码算法识别方法，其特征在于，步骤五中，单个密文bit最小值x为x＝block×1024/8000；其中Block取8、16、32。