[논문 리뷰] Cryptanalysis of SDES via evolutionary computation techniques

Poonam Garg|ArXiv.org|2009. 06. 28.

Metaheuristic Optimization Algorithms Research참고 문헌 8인용 수 11

한 줄 요약

이 논문은 단순화된 데이터 암호화 표준(SDES)의 암호 분석을 위한 진화 계산 기법—특히 민성 알고리즘, 유전 알고리즘, 시뮬레이티드 어닐링—을 제안하고 평가한다. 이 문제는 NP-난해한 조합 최적화 문제이다. 연구는 민성 알고리즘이 유전 알고리즘과 시뮬레이티드 어닐링을 모두 능가함을 보여주며, 키 복구에서 뛰어난 수렴 속도와 성공률을 달성한다.

ABSTRACT

The cryptanalysis of simplified data encryption standard can be formulated as NP-Hard combinatorial problem. The goal of this paper is two fold. First we want to make a study about how evolutionary computation techniques can efficiently solve the NP-Hard combinatorial problem. For achieving this goal we test several evolutionary computation techniques like memetic algorithm, genetic algorithm and simulated annealing for the cryptanalysis of simplified data encryption standard problem (SDES). And second was a comparison between memetic algorithm, genetic algorithm and simulated annealing were made in order to investigate the performance for the cryptanalysis on SDES. The methods were tested and extensive computational results show that memetic algorithm performs better than genetic algorithms and simulated annealing for such type of NP-Hard combinatorial problem. This paper represents our first effort toward efficient memetic algorithm for the cryptanalysis of SDES.

연구 동기 및 목표

• SDES 암호 분석의 NP-난해한 조합 최적화 문제에 진화 계산 기법의 효과성을 조사하는 것.
• 민성 알고리즘, 유전 알고리즘, 시뮬레이티드 어닐링의 성능을 비교하여 SDES 암호 키 복구에 대해 평가하는 것.
• 민성 알고리즘이 SDES와 같은 단순화된 대칭 암호를 암호 분석하는 데 실현 가능하고 효율적인지 입증하는 것.
• 고급 메타휴리스틱 기법을 암호 역공학 작업에 적용하기 위한 기초 연구를 제공하는 것.

제안 방법

• 연구는 유전 알고리즘과 국소 탐색 휴리스틱을 결합하여 해를 반복적으로 개선하는 민성 알고리즘을 사용한다.
• 기본선으로서 유전 알고리즘을 사용하여 선택, 교차, 변이를 통해 후보 키의 집단을 진화시킨다.
• 확률적으로 열 劣한 해를 수용하는 방식으로 해 공간을 탐색하기 위해 시뮬레이티드 어닐링을 적용한다.
• 알고리즘은 알려진 평문-암호문 쌍에서 10비트 키를 복구하는 것을 목표로 하는 SDES 암호화 체계에서 평가된다.
• 성능는 성공률, 수렴 속도, 정확한 키를 찾기 위해 필요한 함수 평가 횟수로 측정된다.
• 실험은 통계적 신뢰성을 확보하기 위해 다수의 반복을 통해 제어된 조건에서 수행된다.

실험 결과

연구 질문

• RQ1 민성 알고리즘은 SDES의 NP-난해한 키 복구 문제를 효과적으로 해결할 수 있는가?
• RQ2 민성 알고리즘의 성능은 SDES 암호 분석에서 유전 알고리즘과 시뮬레이티드 어닐링과 비교해 어떻게 다른가?
• RQ3 각 진화 기법의 수렴 행동과 SDES 키 복구 성공률은 어떠한가?
• RQ4 민성 알고리즘에서 국소 탐색을 통합함으로써 표준 유전 알고리즘에 비해 해 품질이 뚜렷이 향상되는가?

주요 결과

• 민성 알고리즘은 유전 알고리즘과 시뮬레이티드 어닐링을 모두 능가하는 더 높은 성공률로 정확한 SDES 키를 복구하였다.
• 민성 알고리즘은 수렴하기 위해 더 적은 함수 평가 횟수를 요구하여 해 공간 탐색의 효율성이 뛰어나다는 것을 보여주었다.
• 유전 알고리즘은 중간 수준의 성능를 보였지만, 속도와 신뢰성 측면에서 민성 접근에 뒤지지 않았다.
• 시뮬레이티드 어닐링은 수렴 속도가 느리고, 특히 복잡한 탐색 영역에서 성공률이 낮았다.
• 이 연구는 민성 알고리즘과 같은 하이브리드 메타휴리스틱 기법이 SDES와 같은 NP-난해한 암호 분석 문제에 매우 적합하다는 점을 확인하였다.