[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

说明书

本发明属于密码体制识别技术领域，公开了一种商用密码算法识别方法、系统、介质、设备及终端，商用密码算法识别方法包括：对密文串进行量化和映射，形成密文映射矩阵；将密文映射矩阵进行卷积和池化操作得到最终的64维、75维以及192维密文特征；构建随机森林RF；构建LeNet5神经网络；对密文矩阵进行正则化处理后，将数据集划分为训练集和测试集，送入LeNet5‑RF模型进行训练。本发明创新性地将LeNet5神经网络模型和随机森林模型结合；使用卷积神经网络在细粒度层次提取密文特征，得到密文embedding嵌入，相较传统随机性检测和密文熵特征分类准确率提升15％左右。

技术领域

本发明属于密码体制识别技术领域，尤其涉及一种基于LeNet5-RF的商用密码算法识别方法、系统、介质、设备及终端。

背景技术

目前，商用密码算法，为商用密码，指能够实现商用密码算法的加密、解密和认证等功能的技术，包含密码算法编程技术和密码算法芯片、加密卡等实现技术。保障在金融、医疗等领域的信息传输安全，国家商用密码管理办公室制定了一系列密码标准，包括SM1(SCB2)、SM2、SM3、SM4、SM7、SM9、祖冲之算法(ZUC)等，其中SSF33、SM1、SM4、SM7是对称算法，SM2、SM9是非对称算法，SM3是哈希算法。

密码分析学(Cryptanalysis)是研究加密消息的攻击、破译和信息的伪造的学科，其主要研究对象是加密算法和密文。自密码学诞生以来，密码分析技术就不断改进，与密码编码学研究相辅相成，目前已经形成完善的体系。为了针对性地制定出密文数据分析的解决方案，识别密文所属的加密算法成为密文数据分析者面临的首要任务。因此开展加密算法识别研究具有重要的理论意义和实际应用价值。

机器学习是开展密码体制识别的重要方法之一。现如今密文算法识别大都采用机器学习或统计学的设计方案。机器学习通过接受外界输入的数据来形成具体的属性，根据某种算法从大量训练数据中学习其中的关联性，获取深层次的、高效的、可理解的知识，从而对新样本进行预测或分类检验。而在密码算法分析中存在着复杂的检索和优化问题，和机器学习有着较高的契合度。有学者提出了使用支持向量机通过文本、图片和音频文件的直方图特征对DES、AES、Blowfish、TDES、RC5五种加密算法进行识别；有学者提出了基于Bayes决策的密码算法识别技术；有学者使用C4.5决策树算法对6种常用的分组密码、两种古典密码、RC4、和RSA密码进行识别；有学者提出了对称加密算法的层次分类方式，着重对降维和特征提取进行了创新性地描述，此外还提到了非参数的特征提取角度，对本专利具有很大的启发作用。有学者对五种分组密码做了随机度量值分析，提出了分层识别的方案。有学者提出了基于随机性测试的分组密码体制识别方案，总结了前人的随机性特征，具有指导作用。有学者发明一种结合卷积神经网络与商用密码算法的图像加密专利，其中很好的对部分商用密码算法进行了处理。

虽然越来越多的研究者将机器学习方法应用到密码体制识别领域，但目前的研究仅仅是模式化地把密码体制识别任务套入机器学习分类任务的框架，忽略了密码体制和密文的特殊性，所以需要从密文特征提取和单分识别两个部分考虑。然而，目前大部分研究仍仅从机器学习部分展开，这样就导致密码体制识别的准确率有待提高。并缺少基于神经网络的商用密码算法识别的具体研究。因此，亟需一种新的商用密码算法识别方法及系统，以弥补现有技术的缺陷。

通过上述分析，现有技术存在的问题及缺陷为：

(1)目前的研究仅仅是模式化地把密码体制识别任务套入机器学习分类任务的框架，忽略了密码体制和密文的特殊性。

(2)目前大部分研究仍仅从机器学习部分展开，这样就导致密码体制识别的准确率有待提高。

(3)现有商用密码算法识别与分析存在的效率低、准确性不高、有效识别信息少等问题，且缺少基于神经网络的商用密码算法识别的具体研究。

解决以上问题及缺陷的难度为：在系统中搭建出能够有效分类商用密码算法的模型；网络模型的系统搭建以及特征提取的选取规划；数据的预处理。