심층신경망을 이용한 블록 암호 분석
Block Cipher Analysis Using Deep Neural Networks
- 발행기관 서강대학교 정보통신대학원
- 지도교수 소재우
- 발행년도 2020
- 학위수여년월 2020. 2
- 학위명 석사
- 학과 및 전공 정보통신대학원 정보보호
- UCI I804:11029-000000065188
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 논문은 심층신경망을 이용한 블록 암호 분석에 대해 연구한다. IoT(Internet of Things) 기술이 발전하면서 다양한 장치들은 개인정보와 같은 중요한 정보를 저장하고 전송한다. 이로 인해 보안 기술이 더욱 중요해지며 다양한 블록 암호가 개발되었다. 기존 블록 암호 분석은 대수학을 기반으로 한다. 이후 하드웨어 발전으로 인해 암호 분석의 소요시간이 단축되었다. 하지만 여전히 많은 데이터를 분석하기에는 어렵다. 또한 시간과 비용이 많이 발생하게 된다. 본 논문에서는 블록 암호를 짧은 시간에 많은 데이터로 분석하기 위한 방법으로 심층신경망을 제안한다. 본 논문에서는 대표적인 블록 암호인 Caesar cipher, Vigenère cipher, AES, DES, Simon및 Speck을 대상으로 분석한다. Caesar cipher는 랜덤 문자열과 랜덤 숫자 암호화 키로 구성된 데이터셋을 사용하여 분석하였고 Vigenère cipher는 랜덤 문자열과 랜덤 문자열 암호화 키로 구성된 데이터셋으로 분석하였다. DES와 AES, LEA, Simon, Speck은 본 논문에서 제안하는 3가지 데이터셋 유형으로 분석을 수행하였다. 3가지 유형의 데이터셋은 먼저, 랜덤 비트 평문과 랜덤 비트 암호화 키로 생성한 유형이며 두번째는 랜덤 평문과 ASCII 랜덤 암호화 키로 생성한 유형이다. 마지막은 동일한 평문과 랜덤 비트 암호화 키를 사용한 데이터셋이다. 분석한 결과로 먼저 Caesar cipher와 Vigenère cipher는 심층신경망이 높은 정확도로 암호화 키를 찾을 수 있었다. DES에서는 1,2의 데이터셋의 정확도는 낮았지만 3유형의 데이터셋 분석으로 일부 암호화 키를 찾을 수 있었다. AES와 LEA는 각 1,2,3 데이터셋으로 분석하기 어려웠다. Simon과 Speck은 각 1,2,3 데이터셋으로 분석한 결과로 암호화 키 일부를 심층신경망이 찾을 수 있었다.
more초록/요약
In this paper, we analyze various block ciphers using deep neural network. As Internet of Things(IoT) technologies evolves, more and more devices store and transmit important personal information. Therefore, security technology became more important and various block ciphers were developed. Existing block cipher analysis technologies are based on mathematical algebra. As hardware technologies e have advanced, the time required to analyze the block ciphers has been reduced. However, it is still difficult to analyze a lot of data. In addition, this takes a lot of time and cost. In this paper, we propose a deep neural network as an analysis method for attacking block ciphers. Block ciphers considered in this paper Caesar cipher, Vigenère cipher, AES, DES, LEA, Simon and Speck. Caesar cipher are analyzed using a dataset consisting of random strings and random encryption keys, and Vigenère cipher are analyzed using a dataset consisting of random strings and random string encryption keys. DES, AES, LEA, Simon, and Speck are analyzed using three dataset types proposed in this paper. The three types of datasets are as follows: the first dataset is generated with a random bit plaintext and a random bit encryption key; the second dataset is generated with a random plaintext and an ASCII random encryption key; the third dataset is generated with the same plaintext and a random bit encryption keys. As a result of analysis, we find the encryption keys with high accuracy for Caesar cipher and Vigenère cipher using deep neural networks. For the DES cipher, the probability of finding the encryption keys was very low when we used the type 1 and 2 of dataset. However, we discovered the possibility of finding the encryption keys when we used the type 3 of dataset. For AES and LEA ciphers, we failed to find the encryption keys. For Simon and Speck ciphers, we found the partial encryption keys when we used the type 1, 2, and 3 of dataset.
more