软件学报

作者：张语晗，张蕾，吴文玲

单位：张语晗，中国科学院 软件研究所 可信计算与信息保障实验室, 北京 100190;中国科学院大学, 北京 10004911,张蕾，中国科学院 软件研究所 可信计算与信息保障实验室, 北京 100190;中国科学院大学, 北京 10004902,吴文玲，中国科学院 软件研究所 可信计算与信息保障实验室, 北京 100190;中国科学院大学, 北京 10004903

关键词：密码分析;对称密码;差分-线性分析;SPECK;分组密码

基金：国家自然科学基金(62072445)

差分-线性分析是一种组合类分析方法, 已经被应用于许多对称密码的分析中. 特别地, 对于ARX类分组密码算法SPECK, 差分-线性分析是评估其安全性的一种强有力的方式. 在最新的差分-线性分析框架中, 密码算法被分解为3部分: 差分部分、中间部分和线性部分, 其中差分部分、中间部分和线性部分分别包含高概率的差分特征, 高相关性的差分-线性逼近和高相关性的线性逼近, 组合3部分特征可以得到一个完整的差分-线性区分器. 对于ARX类对称密码算法, 在传统的差分-线性区分器的搜索过程中, 通常是首先借助实验方法来计算得到中间部分一个高相关性的差分-线性逼近, 然后再分别向前向后搜索线性特征和差分特征, 但是该策略容易忽视掉一些好的差分-线性区分器. 区别于传统的搜索算法, 该算法结合高相关性的差分-线性逼近中差分部分和线性部分的特点, 从高概率的差分特征和线性特征出发, 给出一个差分-线性区分器搜索算法. 将所提搜索算法应用于SPECK中, 得到SPECK32的11轮差分-线性区分器和SPECK48的12轮差分-线性区分器. 所提区分器都优于SPECK32/48目前已知最好的差分-线性区分器.

来源：2026年第5期

《软件学报》期刊编辑部

查看软件学报杂志2026年第5期