[发明专利]密码S盒评估方法

摘要

本发明公开了一种密码S盒评估新方法，引入S盒的局部线性关系分解以及局部二次关系分解概念，根据局部线性检测模块的输出和局部二次检测模块的输出对S盒进行评估，如果对于局部线性检测模块的输出C2中存储的数的和与相差较少，说明S盒的代数结构较好；如果局部线性检测模块的输出C2中存储的数的和与相差较大，说明S盒的代数结构较差；对于局部二次检测模块的输出D2，如果D2[i]的值较大，而i的值较小，如i=4或5，说明S盒的代数结构较差；如果D2[i]的值较大，但是i的值也较大，如i=6，说明S盒的代数结构较好。该方法如果应用到密码算法S盒的设计中，将会避免S盒在代数结构上的缺陷，对设计安全性较高的S盒具有很重要的意义。

主权项

密码S盒评估新方法，包括全排列产生模块、随机数产生模块、局部线性检测模块、局部二次检测模块，其特征在于，评估方法包括如下步骤：S1：利用全排列产生模块产生一组数的全排列，该模块输出为一个4维或8维的数组，将其定义为排列C；S2：利用随机数产生模块产生3组，每组60个随机数，并且这三组随机数在相同的位置的值是不能相同的，该模块的输出为三个60维的数组，将其定义为A1，A2，A3；S3：将数组A1，A2和排列C输入到局部线性检测模块；局部线性检测模块按照某一个顺序对S盒的输入进行固定后，可以得到的线性表达式的个数，该模块的输入为A1，A2，C，输出为两个数组C1，C2，其中，C1中存储的为此时固定的顺序，C2中存储的为对应的线性关系的个数；S4：将数组A1，A2，A3和排列C输入到局部二次检测模块；局部二次检测模块按照某一个顺序对S盒的输入进行固定后，可以得到的最高代数次数为二次的表达式的个数，该模块的输入为A1，A2，A3，C，输出为两个数组C，D2，其中，C中存储的为此时固定的顺序，D2中存储的为对应的二次关系的个数；S5：根据局部线性检测模块的输出和局部二次检测模块的输出对S盒进行评估，如果对于局部线性检测模块的输出C2中存储的数的和与相差较少，说明S盒的代数结构较好；如果局部线性检测模块的输出C2中存储的数的和与相差较大，说明S盒的代数结构较差；对于局部二次检测模块的输出D2，如果D2[i]的值较大，而i的值较小，如i=4或5，说明S盒的代数结构较差；如果D2[i]的值较大，但是i的值也较大，如i=6，说明S盒的代数结构较好。