형태보존암호 FF1 및 FF3를 위한 딥러닝 기반 신경망 구별자

Abstract

차분 특성을 만족하는 데이터를 무작위 데이터와 구별하는 작업을 구별자 공격 (Distinguisher attack)이라고 한다. CRYPTO 2019에서 Gohr는 라운드 축소된 SPECK에 대해 최초의 딥러닝 기반 구별자를 발표했으며, 이후 이를 바탕으로 다양한 후속 연구가 이어졌다. 이 연구들을 바탕으로, 본 논문에서는 NIST (국립표준기술연구소) 표준 형태보존암호인 FF1, FF3-1에 대한 싱글 및 멀티 차분을 활용한 최초의 신경망 구별자를 제안한다. 기존 연구는 FF3-1의 내부 암호화 알고리즘으로 SKINNY를 사용한 반면, 본 연구에서는 AES 암호화를 사용하는 표준 FF1과 FF3-1 구현을 적용하고 기존 구별자에서 사용된 차분을 활용한다. 단일 0x0F (또는 0x08) 차분을 사용할 경우 FF1은 10라운드에서 0.85, FF3-1은 8라운드에서 0.98의 최고 정확도를 달성했다. 소문자 도메인에서는 평문과 암호문 조합 수가 증가함에 따라, FF1 은 최대 2라운드에서 0.52, FF3-1은 최대 2라운드에서 0.55의 최고 정확도로 구별할 수 있었다. 또한, 본 논문에서 FF1과 FF3-1에 대해 다중 차분을 사용하는 고급 신경망 구별자를 제안하였다.