一种基于深度神经网络的单轮Xoodyak哈希函数原像预测方法

本发明公开了一种基于深度神经网络的单轮Xoodyak哈希函数原像预测方法，其特点是该方法包括：1）获取一个由单轮Xoodyak哈希函数根据未知48比特原始输入序列生成的256比特目标哈希值；2）将该目标哈希值输入至一个预先训练且具有特定残差网络架构的深度神经网络模型；3）利用该模型输出一个48比特的预测原像序列等步骤，所述深度神经网络模型通过使用包含多对训练样本的训练数据集进行训练。本发明与现有技术相比具有高效、高成功率预测特定单轮Xoodyak哈希函数的48比特原像，为分析和评估简化轮数哈希函数的安全性提供了一种有效的工具，方法基于成熟的深度学习框架和组件，易于实现和部署，具有良好的应用前景。