申请/专利权人：国网安徽省电力有限公司信息通信分公司;国网安徽省电力有限公司合肥供电公司;南京南瑞信息通信科技有限公司;国家电网有限公司

申请日：2023-11-01

公开（公告）日：2024-03-22

公开（公告）号：CN117749350A

主分类号：H04L9/06

分类号：H04L9/06;G06N3/045;G06N3/047;G06N3/08;G06N10/20;G06N10/60;H04L9/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于量子神经网络的分组密码的差分分析方法、系统及存储介质，方法包括：步骤一：由随机密文对和差分密文对组成训练数据集；步骤二：使用量子‑经典混合神经网络对步骤一生成的训练数据集进行训练；所述量子‑经典混合神经网络是在经典神经网络中使用量子电路作为隐藏层；步骤三：运行带有旋转门的量子电路，使用强纠缠层作为量子层；步骤四：得到区分随机密文对和差分密文对的准确率，如果准确率大于预设定值，量子神经网络能够区分随机密文对和差分密文对，由振幅嵌入层和强纠缠层组成的量子神经网络用作量子神经网络区分器；步骤五：对测试数据进行测试。本发明的方法提高了分组密码进行密码分析过程的精度、减少参数数量。

主权项：1.一种基于量子神经网络的分组密码的差分分析方法，其特征在于，包括以下步骤：步骤一：由随机密文对和差分密文对组成训练数据集Nds；步骤二：使用量子-经典混合神经网络对步骤一生成的训练数据集Nds进行训练；所述量子-经典混合神经网络是在经典神经网络中使用量子电路作为隐藏层；步骤三：运行带有旋转门的量子电路，使用强纠缠层作为量子层；步骤四：将量子电路的每个输出矢量合并成一个矢量，将合成后的矢量输入到纠缠层后的经典输出层，得到量子神经网络的最终输出；利用最终输出值计算损失，并更新包括量子电路在内的整个神经网络的参数以使损失最小化；经过神经网络的训练，得到区分随机密文对和差分密文对的准确率，如果准确率小于预设定值，则由振幅嵌入层和强纠缠层组成的量子神经网络无法区分密文数据和随机数据，将由振幅嵌入层和强纠缠层组成的量子神经网络丢弃；如果准确率大于预设定值，量子神经网络能够区分随机密文对和差分密文对，由振幅嵌入层和强纠缠层组成的量子神经网络用作量子神经网络区分器；步骤五：生成测试数据，即生成满足输入差值的明文对和随机对，对满足输入差值的明文对和随机密文对进行加密，得到密文对，将得到的密文对输入到训练好的量子神经网络区分器中，如果生成测试数据的算法是加密算法，则量子神经网络区分器将密文数据与随机数据区分开来，否则输出准确率低于预设定值的结果。

全文数据：

权利要求：

百度查询： 国网安徽省电力有限公司信息通信分公司;国网安徽省电力有限公司合肥供电公司;南京南瑞信息通信科技有限公司;国家电网有限公司 一种基于量子神经网络的分组密码差分分析方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD