基于机器学习的密码体制识别研究

研究对象：AES、Blowfish、Camellia、DES和 IDEA 等 5 种分组密码体制。
特征选择：基于 NIST 测试集中的 15 种随机性测试提出了 54 种基于随机性测试的新密文特征。
分类器选择：支持向量机、随机森林。
分类器优化：降维算法和并行
主要工作：

1. 构建基于机器学习算法的密码体制识别方案
2. 分析影响密码体制识别效率的因素
3. 挖掘密文特征，提高密码体制识别方案的效率
4. 采用并行化和特征降维技术进一步优化方案

密码体制识别发展方向：
持续改进密文特征方法（假设检验、分布函数、主成分分析、因子分析等）。
深度学习技术应用。
借鉴其他识别领域的思想与方法（文本特征抽取等）。

基于支持向量机的密码体制识别方案

密码体制识别主要分为：特征提取和密文识别两部分。
密码体制识别模型见上一篇密码体制分层识别方案-单分
密码体制识别方案公式：

密码体制识别方案评价指标： 主要指标为识别准确率，同时密文特征维数、数据量、运行时间、特征识别准确率的标准差都可作为评价方案的辅助指标。
准确率包含 ：误报率（FPR）、精准率（precison）、召回率（recall）。

误报（FP，false positive）是将本不属于某类密码体制的密文识别为该类密码体制；漏报（FN，false negative）是指将本属于某类密码体制的密文识别为其它类型密码体制；真报（TP，true positive）是将属于某类型密码体制的密文识别为该类密码体制。
误报率（FPR，false positive rate）：

精确率（precison）：

召回率（recall）：

密文特征提取算法

主要基于四种方式：
源于 NIST 随机性测试标准中的三种随机性测试：the Frequency test、the Block Frequency test、the Run test，和一种基于定长比特串概率特征。

1. 随机性测试方式，通过对密文分块，提取各分块在随机性测试下的返回值作为特征，可以据此比较密文局部的随机性，进而将其作为分类识别的依据。
2. 基于定长比特串概率特征，则直接以密文比特的分布信息作为密文特征，是一种比较自然直观的特征提取方法。

算法输入：文件数量 F，密文序列长度lB bits，密文分块数 K（K =64,128,256），密文序列（0、1 比特串）file.
the Frequency test特征提取算法：
先将密文分为K块，每块Bi大小为

再将密文比特串Bi中的 0 和 1 分别用 1 和-1 来表示，计算Sn

然后计算测试统计量Si和特征fi（erfc 为余补误差函数）


最后将所有的密文分块得到 K 个返回值作为密文特征，记作

the Block Frequency test特征提取算法：
第一步同上，将密文分块。在 测 试 中 设 置 Block Size M 设 为 512bits 。
再将第 i 个密文块划分成N个非重叠的比特块（N=lB/M）并舍弃多余的比特。
对每个长度为M的比特串计算Xi、统计量X²和测试值p：



最后将提取到的 K 个返回值作为密文特征，记

the Run test特征提取算法：
先将密文分成K块，在分别对每一小块密文执行Run test并得到一个返回值。
再对于密文比特串计算测试统计量Vi,n和随机测试值pi


最后返回所有 K 个返回值 p，形成 K 维特征，记为

基于定长比特串概率特征：
除算法输入值外，还需要密文定长比特长度 h（h=7,8,9,10,11），输出为密文件中所有 h bits 比特串出现的概率值。
第一步将密文按照每 h bits 划分成块，再计算每个密文分块的T种可能取值出现的概率T=2^h

最后返回 T 个概率值形成 T 维特征，记为

基于支持向量机密码体制识别算法

算法输入：待识别密码体制数量 N，密文件数量 n，密文长度 lB bits，密文分块 K，密文0、1 序列。
算法输出：各密文件所属密码体制识别结果。
算法描述：
1 训练阶段
（1）分别采集由 5 种密码体制加密的 N 组密文文件，每组含有 n 个文件；
（2）对密文数据进行特征提取，得到 N 组特征集，并加入与其密码体制类别对
应的标签；
（3）将带标签的特征数据输入支持向量机分类器，进行分类模型的训练。
2 测试阶段
（1）对一个待识别密文文件的内容数据进行特征提取，得到特征数据；
（2）输入特征数据到训练好的分类模型中，后者给出识别结果，并记录。
（3）重复测试阶段第 2 步 S 次，取 S 次识别准确率平均值作为结果。
先到这里吧！明天再更新！