基于SPN结构的抗量子分组加密算法GiantWhale
基于SPN结构的抗量子分组加密算法GiantWhale我们知道量子计算机对RSA和ECC等非对称加密算法的威胁非常大对AES、ARIA和SM4等对称加密算法的威胁则较小。就目前来说量子算法对对称加密算法分支之一的分组加密算法有两大威胁1Grover算法也称为Grover搜索算法是量子计算领域中的一个著名算法由Lov Grover在1996年提出。它主要用于在无序或无结构数据库中寻找一个特定的元素。Grover算法通过量子叠加quantum superposition和量子并行性quantum parallelism的特性显著提高了在非结构化数据中查找特定项的效率。尽管Grover算法最初是为解决经典优化问题设计的但它也可以被应用于加密和安全领域尤其是在分组加密如AES的某些方面。Grover算法与分组加密的潜在联系1.密钥搜索攻击在分组加密算法中如AES攻击者可能会尝试通过暴力搜索方法来找到正确的密钥。Grover算法可以加速这一过程特别是在密钥空间非常大的情况下。传统的暴力搜索方法会尝试所有可能的密钥组合这种方法的时间复杂度非常高。而Grover算法通过量子并行性能够在较短的时间内找到正确的密钥从而对分组加密算法构成威胁。2.加速密码分析除了密钥搜索外Grover算法还可以被用于加速密码分析的过程。例如它可以用于加速寻找加密算法中的弱密钥或寻找加密模式中的漏洞。通过量子计算Grover算法能够更快速地探索加密算法的潜在弱点。实际应用中的挑战与防御尽管Grover算法在某些情况下可能对分组加密算法构成威胁但目前量子计算机的能力还不足以在实际中大规模部署Grover算法来攻击现有的分组加密算法。当前的量子计算机还面临许多技术挑战如量子比特qubits的错误率、量子门操作的精确控制等。为了防御基于Grover算法的攻击可以采取以下措施1.使用强加密标准采用如AES(美国)、SM4(中国)、ARIA(韩国)和Camellia(欧洲)等经过良好设计和分析的加密标准。这些标准通常具有抵抗已知攻击的强度。2.量子安全加密研究并开发基于量子力学原理的加密方法如基于格lattice-based的加密方案或基于量子密钥分发协议如BB84协议的安全通信协议。3.量子硬件冗余和错误纠正发展更先进的量子硬件和错误纠正技术以减少量子比特错误率增强量子计算系统的可靠性2量子 Simon 算法对‌特定结构‌如 Feistel、Even-Mansour的分组密码构成‌多项式时间密钥恢复威胁‌主要破坏‌3-6轮‌简化版本的安全性但对完整轮数的现代分组密码如标准 SIMON、AES暂无直接实用破解能力核心风险在于‌量子选择明文攻击qCPA模型下的结构区分与部分子密钥泄露‌。‌‌核心威胁机制与受影响结构‌攻击原理‌利用量子叠加态在时间内寻找函数的隐藏周期即密钥相关掩码将经典需的碰撞搜索降为多项式复杂度 。‌高危结构‌‌Feistel网络‌3 轮 Feistel 结构可在 qCPA 下被区分并恢复部分轮密钥6 轮 SIMON 密码在特定构造下可被恢复 4 个轮密钥 。‌Even-Mansour (EM)结构‌可在时间内直接恢复固定周期即主密钥3 轮 EM 结构在量子条件下不安全 。‌其他结构‌LRW、XEX、CBC-MAC 等模式在多项式时间内存在被攻击的理论可能 。‌关键前提‌攻击者需具备‌量子选择明文访问能力‌可向量子 Oracle 提交叠加态明文且目标算法需能构造出满足 Simon 问题条件的周期函数 。‌‌对具体算法含 SIMON 密码的实际影响‌SIMON轻量级密码‌‌3轮版本‌可被完美区分于随机置换完全不安全 。‌6轮版本‌研究证实可恢复 4 个轮密钥但需构造特定辅助函数且依赖参数上界估计 。‌标准轮数版本‌如 SIMON-64/128 需 32 轮当前研究‌未突破‌其完整轮数的安全性Simon 算法无法直接破解全轮 SIMON主要威胁仍来自 Grover 算法导致的密钥空间平方根加速需将密钥长度加倍以抗量子。‌通用分组密码‌AES 等 SPN 结构因缺乏明显的周期性对称特征难以直接构造 Simon 问题所需的函数受 Simon 算法直接威胁较小但仍需警惕针对其特定模式如 MAC 生成的变种攻击 。‌‌防御建议与现状评估‌当前状态‌该威胁主要存在于‌理论模型‌qCPA中依赖大规模容错量子计算机短期内无工程实现风险 。‌设计对策‌‌增加安全轮数‌确保结构安全轮数远高于 Simon 攻击有效的轮数如 Feistel 结构需6 轮。‌避免周期性构造‌在算法设计中引入非周期性的轮密钥调度或非线性层破坏的构造条件 。‌密钥长度升级‌针对量子通用威胁Grover 算法对称密钥长度应加倍如 128 位升至 256 位而非仅依赖抵抗 Simon 算法 。抗量子分组加密算法设计策略三管齐下构建防御为了应对上述量子威胁当前的设计策略主要有三条路径参数强化最直接将经典算法的密钥和状态大小加倍。例如使用AES-256或在现有算法基础上构建“双重”版本。研究提出的QuEME通用构造法就是通过加倍密钥和状态大小来提供量子安全保障。结构创新最根本设计能抵抗Simon算法攻击的新型密码结构。例如越南提出的MKV算法采用了“四叶草FLC”方案和“替换-扩散-替换SDS”轮函数。这种新结构旨在实现可证明的量子安全性。混合设计结合多种经典安全元素如ARX结构、SPN结构与Feistel结构等与抗量子设计理念在保证效率的同时提升安全性。综上所述我们应该选择使用更长的密钥和新型密码结构来设计抗量子分组加密算法。GiantWhale(巨鲸)为基于SPN结构设计的分组加密算法其分组大小为512比特(共分为16个32位字)主密钥长度也为512比特轮密钥长度也为512比特(共分为16个32位字)加解密算法循环轮数为32轮。GiantWhale加密算法如下图所示GiantWhale解密算法如下图所示我们先来看GiantWhale的轮函数(由5步构成)。1Substitution(S盒替换)如上图所示加密过程中的512比特 (64字节)x0x1…,x62x63中间状态平行独立地进入64个相同的S盒输出被S盒替换后的64个字节y0y1…,y62y63。该8比特S盒的查找表如下图所示S盒的各项密码学指标如下图所示由上图可以看出GiantWhale算法的S盒密码学性质与AES算法的S盒相当能够很好的抵抗差分和线性密码分析故该S盒可以在分组加密算法中使用。2Permutation8(P盒置换(以8比特字节为单位))首先将512比特中间状态平均分为4个128比特块然后对每个128比特块执行相同的Permutation8置换。如上图所示每个128比特的块可以平均分为16字节x0x1…,x14x15中间状态根据置换表变换位置而不改变其值输出被P盒变换位置后的16字节y0x0y1x4…,y14x11y15x15。不难发现Permutation8为对合变换。Permutation8盒的置换表如下图所示3LLLL(线性变换)将上个过程中输出的512比特的中间状态分为16个32位字其中X0x3||x2||x1||x0X1x7||x6||x5||x4…X14x59||x58||x57||x56X15x63||x62||x61||x60X0X1…X14和X15均为32位字。然后将X0输入LLLL0输出为Y0X1输入LLLL1输出为Y1…X14输入LLLL2输出为Y14和X15输入LLLL3输出为Y15。具体操作如下图所示其中LLLL0LLLL1LLLL2和LLLL3均为对合变换(逆变换为其自身)分支数均为4。4Permutation32(P盒置换(以32比特字为单位))将512比特中间状态平均分为16个32比特块然后对16个32位字执行Permutation32置换。如上图所示中间状态根据置换表变换位置而不改变其值输出被P盒变换位置后的16个32位字Y0X0Y1X4…,Y14X11Y15X15。不难发现Permutation32为对合变换。Permutation32盒的置换表(与Permutation8相同)如下图所示5AddRoundKey(轮密钥加)将上个过程中输出的16个32位字的中间状态分别依次异或对应位的32位密钥字具体操作如下图所示GiantWhale的密钥扩展算法(KeyExtend)因为国产密码杂凑算法SM3的消息扩展算法MsgExtend兼具效率和安全性所以我们选取MsgExtend作为密钥扩展算法为了适应GiantWhale算法我们使用修改后的MsgExtend作为密钥扩展算法。我们需要生成528个32位消息字作为轮密钥而SM3算法的MsgExtend只需生成64个32位消息字。总结抗量子分组加密算法的设计与分析现状可以概括为短期策略升级到AES-256是应对量子威胁最直接、最有效的措施。长期策略学术界正通过结构创新如MKV和通用构造如QuEME设计能抵御所有已知量子攻击的新算法。核心挑战为大量现有系统设计安全、高效的迁移路径并持续探索新的量子攻击方法。

相关新闻

MonkeyCode 多模型调度与云端开发环境解析

MonkeyCode 多模型调度与云端开发环境解析

不同大模型各有所长,让任务决定模型,比让团队绑定单一模型更合理。同时,云端开发环境让“打开浏览器就能验证需求”成为现实。## 一、为什么需要多模型调度| 模型方向 | 更适合的场景 | 特点 ||---|---|---|| 通用推理型 | 需求澄清、方案讨论…

2026/7/24 23:31:09阅读更多 →
MonkeyCode 架构深度解析:SDD 规范驱动开发的工程哲学

MonkeyCode 架构深度解析:SDD 规范驱动开发的工程哲学

> AI 编程工具正在从“Vibe Coding”走向“工程化开发”,MonkeyCode 首创的 SDD 规范驱动开发模式,正在重新定义 AI 写代码的方式。## 一、AI 编程的“屎山代码”危机你是否遇到过这样的场景?开发者A:“帮我实现用户登录”→ A…

2026/7/24 23:31:09阅读更多 →
灵境1911 短剧工业化系统:AI短剧量产工作流全解析

灵境1911 短剧工业化系统:AI短剧量产工作流全解析

AI短剧正从"单条手工制作"向"工业化批量生产"演进。据《中国网络视听发展研究报告(2026)》数据显示,2026年Q1全行业上线微短剧约12.8万部,其中AI短剧约12.2万部,占比超过95%。AI短剧占整个AI行业算…

2026/7/24 23:29:09阅读更多 →
Pixso AI功能完整教程:AI生成设计稿、自动布局与团队协作实战

Pixso AI功能完整教程:AI生成设计稿、自动布局与团队协作实战

Pixso 是一款国产在线协同 UI 设计工具,支持网页端直接使用,无需安装。其内置的 AI 设计助手可以自动生成设计稿、填充文案、检查设计规范,大幅提升设计效率。本文按照实际操作流程,详细介绍 Pixso 的核心功能和具体用法。 Pixso…

2026/7/25 0:51:23阅读更多 →
Spring Boot 3 进阶实战:切面编程、调度任务、邮件发送与应用监控

Spring Boot 3 进阶实战:切面编程、调度任务、邮件发送与应用监控

1. 引言:Spring Boot 3 进阶功能概览 主要涉及如下几个功能点: 调度任务:在应用中提供一定的轻量级的调度能力,比如方法按指定的定时规则执行,或者异步执行,从而完成相应的代码逻辑;邮件发送&…

2026/7/25 0:51:23阅读更多 →
Stable Diffusion 原理与实战:从DDPM到ControlNet可控生成

Stable Diffusion 原理与实战:从DDPM到ControlNet可控生成

Stable Diffusion 原理与实战:从DDPM到ControlNet可控生成 一、引言 2022年 Stable Diffusion 的发布引爆了 AI 图像生成革命。从 DDPM 扩散模型到 Stable Diffusion 的潜空间设计,再到 ControlNet/IP-Adapter 的可控生成,技术演进之快令人…

2026/7/25 0:51:23阅读更多 →
基于SpringBoot的地震减灾救援中心系统任务书

基于SpringBoot的地震减灾救援中心系统任务书

一、课题研究背景与意义 地震属于突发性强、破坏力大的自然灾害,一旦发生极易造成人员伤亡、建筑损毁、物资短缺等重大灾害损失。在传统地震减灾救援工作中,救援调度、灾情上报、物资调配、人员安置、救援记录统计多依靠人工汇总、线下沟通、纸质登记的方…

2026/7/25 0:51:23阅读更多 →
为什么你的收藏越积越多,却越来越没用?

为什么你的收藏越积越多,却越来越没用?

为什么你的收藏越积越多,却越来越没用? 你有没有这样的经历:深夜刷到一篇深度技术文章,激动地点击「收藏」,心里默念「以后用得上」;看到一段高赞的代码片段,立刻保存到笔记软件,想象…

2026/7/25 0:49:23阅读更多 →
daily_stock_analysis零代码部署:58K星开源AI股票日报,一句话让持仓分析自动推送到手机

daily_stock_analysis零代码部署:58K星开源AI股票日报,一句话让持仓分析自动推送到手机

每天早上打开微信,收到一条消息——不是同事催进度,是AI股票日报把持仓股昨天的表现、今天的风险、明天的策略整理成一份报告,自动发到你手机上。你什么都不用做,打开看一眼就行。 这件事不花钱、不写代码。GitHub上58.4K星的开源…

2026/7/25 0:49:23阅读更多 →
Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中,我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源,还是配置文件、证书等,都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下,但这…

2026/7/24 0:58:53阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP(轻量级目录访问协议)作为企业级身份认证的黄金标准,已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时,发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/24 0:58:53阅读更多 →
【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

更多请点击: https://intelliparadigm.com 第一章:AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”,而是以可解释、可审计、可迭代的方式,赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/24 0:58:53阅读更多 →
突破文档下载限制:kill-doc让你看到的都能保存

突破文档下载限制:kill-doc让你看到的都能保存

突破文档下载限制:kill-doc让你看到的都能保存 【免费下载链接】kill-doc 看到经常有小伙伴们需要下载一些免费文档,但是相关网站浏览体验不好各种广告,各种登录验证,需要很多步骤才能下载文档,该脚本就是为了解决您的…

2026/7/25 0:01:16阅读更多 →
C++ string类模拟实现:从深拷贝到内存管理的完整指南

C++ string类模拟实现:从深拷贝到内存管理的完整指南

1. 项目概述:为什么我们要“手撕”string类?在C的学习道路上,尤其是从C语言过渡到C的“初阶”阶段,string类绝对是一个绕不开的核心。标准库里的std::string用起来太方便了,、find、substr,几个操作符和函数…

2026/7/25 0:01:16阅读更多 →
三角洲寻宝鼠工具:高效文件搜索与资源管理实战指南

三角洲寻宝鼠工具:高效文件搜索与资源管理实战指南

1. 先搞清楚“三角洲寻宝鼠”到底是什么工具从名称来看,“三角洲寻宝鼠”更像是一个资源查找或文件检索类工具,而不是游戏或娱乐软件。这类工具的核心价值在于帮助用户快速定位特定资源,比如文档、图片、压缩包或特定格式的文件。如果你经常需…

2026/7/25 0:01:16阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/24 23:01:03阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/24 19:00:40阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/24 19:00:40阅读更多 →