[논문 리뷰] Using evolutionary computation to create vectorial Boolean functions with low differential uniformity and high nonlinearity

James McLaughlin, John A. Clark|arXiv (Cornell University)|2013. 01. 29.

Coding theory and cryptography참고 문헌 40인용 수 10

한 줄 요약

이 논문은 시뮬레이티드 어닐링, 멤티크 알고리즘, 그리고 개미 군집 최적화를 활용하여 차분 균일도가 낮고 비선형도가 높은 벡터형 부울 함수(S-박스)를 진화시키며, 암호 보안에 핵심적인 기준을 충족시킨다. 개미 군집 최적화(Antr System)가 다른 메타휴리스틱보다 뛰어난 성능을 보였으며, 5×5 함수에 대해 차분 균일도가 2인 S-박스의 68%를 달성하여 이론적 한계에 도달했다.

ABSTRACT

The two most important criteria for vectorial Boolean functions used as S-boxes in block ciphers are differential uniformity and nonlinearity. Previous work in this field has focused only on nonlinearity and a different criterion, autocorrelation. In this paper, we describe the results of experiments in using simulated annealing, memetic algorithms, and ant colony optimisation to create vectorial Boolean functions with low differential uniformity. Keywords: Metaheuristics, simulated annealing, memetic algorithms, ant colony optimization, cryptography, Boolean functions, vectorial Boolean functions.

연구 동기 및 목표

• 최적의 차분 균일도와 비선형도를 갖는 S-박스를 구축하기 위한 메타휴리스틱 알고리즘을 개발하고 평가하는 것.
• 진화 계산 기법이 블록 암호의 S-박스 설계에서 이론적 한계를 충족하거나 초월할 수 있는지 조사하는 것.
• 이 문제에 대해 시뮬레이티드 어닐링, 멤티크 알고리즘, 개미 군집 최적화의 효과성을 비교하는 것.
• 수렴성과 해 품질 향상을 위한 파라미터 튜닝 및 비용 함수 설계를 탐색하는 것.
• 이러한 방법들이 검색 공간의 폭발적 증가가 발생하는 n ≥ 6인 더 큰 S-박스로 확장 가능한지 평가하는 것.

제안 방법

• 선형 근사 표에서 0과의 편차를 최소화하는 피트니스 함수를 사용한 시뮬레이티드 어닐링을 적용하였으며, 이후 하이클라이밍을 통해 비선형도 최적화를 수행하였다.
• 맞춤형 교차 함수를 사용하고 돌연변이를 적용하지 않은 멤티크 알고리즘을 사용하여, 전역 탐색 이후 국소 탐색 정밀화에 집중하였다.
• 개미 군집 최적화(개미 군집 최적화)인 Ant System과 Luke ACS를 적용하였으며, 페로몬 갱신 규칙과 차분 균일도 및 비선형도 기반 히우리스틱 정보를 사용하였다.
• 부분 해를 기반으로 S-박스 진리표의 간선을 평가하는 동적 비용 함수를 정의하였으며, 균일도와 비선형도에 대한 누적 영향을 조정하였다.
• 핵심 변수에 대한 파라미터 튜닝을 실시하였음: 시뮬레이티드 어닐링의 냉각률, 멤티크 알고리즘의 교차 및 돌연변이 비율, 개미 알고리즘의 페로몬 증발률 ρ = 0.1.
• 검색 공간을 줄이기 위해 Theorem 1.21을 활용해 S-박스 출력 값을 제한하였으나, 성능 저하로 인해 후속 실험에서 폐기하였다.

실험 결과

연구 질문

• RQ1 메타휴리스틱 탐색이 차분 균일도 2와 높은 비선형도를 갖는 S-박스에 대해 최고의 이론적 결과를 재현할 수 있는가?
• RQ2 시뮬레이티드 어닐링, 멤티크 알고리즘, 개미 군집 최적화 중 어느 메타휴리스틱이 S-박스 구축 문제에서 가장 우수한 성능을 보이는가?
• RQ3 다양한 비용 함수와 파라미터 설정이 수렴 속도와 해 품질에 어떤 영향을 미치는가?
• RQ4 Theorem 1.21을 통해 진리표 제약 조건을 도입하면 탐색 효율성과 해 품질이 향상되는가?
• RQ5 낮은 차분 균일도를 갖는 부분 함수를 사용한 분할 정복 접근 방식이 전체 S-박스 구축에 더 나은 결과를 낳을 수 있는가?

주요 결과

• Ant System는 5×5 함수에 대해 차분 균일도가 2인 S-박스의 68%를 달성하여, 멤티크 알고리즘과 시뮬레이티드 어닐링을 모두 능가하였다.
• Ant System는 약 19시간 만에 해를 찾았고, 최고의 멤티크 알고리즘 런은 34시간이 소요되었다.
• 먼저 선형 근사 표를 평탄화하고, 이후 비선형도를 최대화하는 이중 단계 비용 함수를 사용함으로써 해 품질이 크게 향상되었다.
• Theorem 1.21을 활용한 S-박스 출력 제약는 모든 메타휴리스틱에서 성능 저하를 초래하였으며, 후속 실험에서 폐기되었다.
• n ≥ 6인 경우, 어떤 방법도 차분 균일도 2를 달성하지 못하였으며, 이는 검색 공간의 기하급수적 증가가 현재 접근 방식의 한계를 정의함을 시사한다.
• Luke ACS와 Ant System는 유사한 성능 추세를 보였지만, 모든 파라미터 조합에서 Ant System가 일관되게 Luke ACS를 뛰어넘었다.