买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京电子科技学院申请的专利一种基于神经区分器的分组密码密钥安全性分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120614104B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510783256.2，技术领域涉及：H04L9/06；该发明授权一种基于神经区分器的分组密码密钥安全性分析方法是由杨亚涛;李翔;冉小玉设计研发完成，并于2025-06-12向国家知识产权局提交的专利申请。

本一种基于神经区分器的分组密码密钥安全性分析方法在说明书摘要公布了：本发明提供了一种基于神经区分器的分组密码密钥安全性分析方法，包括：根据给定的输入差分特征生成明文对；利用分组密钥分别对明文对进行指定轮次的加密操作后，得到初次密文对，利用随机分组密钥分别对明文对执行全轮次加密得到完整密文对，计算初次密文对的中间状态差分，并根据中间差分筛选机制对完整密文对进行标注构建训练样本；利用训练样本对深度学习神经网络模型进行训练；将待分析的密文对输入至训练完成的深度学习神经网络模型，输出是否符合预设的差分特征条件的分类结果。本发明对未知加密轮次和密钥变体展现出卓越的适应能力，提升了密码安全性分析效果。

本发明授权一种基于神经区分器的分组密码密钥安全性分析方法在权利要求书中公布了：1.一种基于神经区分器的分组密码密钥安全性分析方法，其特征在于，包括如下步骤： 深度学习神经网络模型训练步骤： 根据给定的输入差分特征生成明文对；利用分组密钥分别对所述明文对进行指定轮次的加密操作后，得到初次密文对，利用随机分组密钥分别对所述明文对执行全轮次加密得到完整密文对，计算所述初次密文对的中间状态差分，并根据中间差分筛选机制对完整密文对进行标注，根据输入差分特征对明文对进行标注，构建训练样本；构建训练样本的步骤包括： 为每个明文对生成随机密钥作为主密钥； 利用密钥扩展算法将所述主密钥扩展成N个子密钥，每一个子密钥对应于加密过程中的一个轮次，N＞2； 将明文对输入分组密码算法进行加密，所述分组密码算法包括级联算法E1和E2，算法E1利用N1个子密钥进行对应轮次加密，得到初次密文对S1，S2； 算法E2利用N2个子密钥对初次密文对再进行对应轮次加密，得到完整密文对C1，C2，N=N1+N2； 计算初次密文对S1，S2的中间状态差分，并利用预设中间差分特征对所述中间状态差分进行差分验证，根据中间状态差分与预设中间差分特征的匹配关系对完整密文对进行标注，以及根据输入差分特征对明文对进行标注，利用标注后的完整密文对和明文对构建训练样本； 所述利用预设中间差分特征对所述中间状态差分进行差分验证的步骤包括： 若预设中间差分特征ΔS=S1⊕S2，则对应标签为1，反之为0； ； 对不符合预设中间差分特征的明文对进行随机替换和重新加密，直至全部明文对均生成符合预设中间差分特征的完整密文对； 构建深度学习神经网络模型，利用训练样本对所述深度学习神经网络模型进行训练，获得训练完成的深度学习神经网络模型；构建的深度学习神经网络模型包括： 输入层与预处理模块，用于将输入数据转换为张量表示； 初始特征提取层，依次采用一维卷积操作、批标准化和ReLU激活函数将输入数据映射到若干个特征通道； 残差模块，包括串联的多个残差单元，每个残差单元包含瓶颈层、批归一化和ReLU激活函数，通过跳跃连接将所述残差单元的输入特征与两层一维卷积层的输出特征相加； 预测头部，用于将所述残差模块输出的特征通过Flatten操作展平为一维向量，并依次通过两层全连接层输出固定维结果； 输出层，包括一个神经元，采用sigmoid激活函数，将所述固定维结果映射为概率值，完成二分类预测； 分组密码密钥安全性分析步骤： 利用目标分组密码密钥对待分析的明文对进行加密，获得待分析的密文对，将所述待分析的密文对输入至所述训练完成的深度学习神经网络模型，输出是否符合预设的差分特征条件的分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京电子科技学院，其通讯地址为：100000 北京市丰台区富丰路7号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。