基于深度学习的对称密码差分区分器的设计方法

AITNT
正文
推荐专利
基于深度学习的对称密码差分区分器的设计方法
申请号:CN202411465682
申请日期:2024-10-21
公开号:CN119519940A
公开日期:2025-02-25
类型:发明专利
摘要
本发明提供基于深度学习的对称密码差分区分器的设计方法,涉及密码差分分析技术领域,本发明将初始密文拼接成多密文对后,通过随机密钥进行加密,计算加密前后的差分值作为输入,基于输入模块、初始卷积模块、残差模块和预测模块建立初步对称密码差分区分器,对残差模块、批量归一化和激活函数进行优化,在残差模块中引入批量归一化及Hardswish激活函数,并添加注意力层,生成不同的残差结构,选取准确率最高的残差结构应用于差分区分器,实现对对称密码差分区分器的效果的优化。
技术关键词
残差结构 残差模块 密码 批量 注意力 数据 sigmoid函数 卷积模块 全局平均池化 输入模块 通道 密钥 加密算法
系统为您推荐了相关专利信息
1
一种基于机器视觉的立井提升箕斗衬板损伤检测方法
立井提升箕斗 损伤检测方法 多尺度特征金字塔 局部细节特征 可见光图像
2
一种基于神经网络的胃肠道内窥镜图像息肉识别方法
注意力 神经网络模型 解码器 像素 内窥镜
3
一种基于FBS概念设计模型的领域知识图谱构建方法
概念设计模型 知识图谱构建方法 记忆单元 三元组 BERT模型
4
一种基因调控网络的预测方法及预测系统
基因调控网络 转录因子 序列 输入神经网络模型 矩阵
5
一种医学影像的轻量化分割方法及系统
模态医学影像 多尺度特征 协同注意力 正电子发射断层扫描 计算机断层扫描
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号