EN

New results on reduced-round Tiny Encryption Algorithm using genetic programming

KUBÍČEK, Karel, Jiří NOVOTNÝ, Petr ŠVENDA a Martin UKROP. New results on reduced-round Tiny Encryption Algorithm using genetic programming. Infocommunications Journal, Budapest: Scientific Association for Infocommunications, 2016, roč. 8, č. 1, s. 2-9. ISSN 2061-2079.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název New results on reduced-round Tiny Encryption Algorithm using genetic programming
Autoři KUBÍČEK, Karel (203 Česká republika, garant, domácí), Jiří NOVOTNÝ (203 Česká republika, domácí), Petr ŠVENDA (203 Česká republika, domácí) a Martin UKROP (703 Slovensko, domácí).
Vydání Infocommunications Journal, Budapest, Scientific Association for Infocommunications, 2016, 2061-2079.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor Computer sciences, information science, bioinformatics
Stát vydavatele Spojené království
Utajení není předmětem státního či obchodního tajemství
WWW Oficiální stránky časopisu s dostupným plným textem
Kód RIV RIV/00216224:14330/16:00088384
Organizační jednotka Fakulta informatiky
UT WoS 000382864400002
Klíčová slova anglicky randomness statistical testing; TEA; genetic algorithms; randomness distinguisher; software circuit
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Martin Ukrop, učo 374297. Změněno: 15. 12. 2016 18:02.
Anotace
Analysis of cryptoprimitives usually requires extensive work of a skilled cryptanalyst. Some automation is possible, e.g. by using randomness testing batteries such as Statistical Test Suite from NIST (NIST STS) or Dieharder. Such batteries compare the statistical properties of the functions output stream to the theoretical values. A potential drawback is a limitation to predefined tested patterns. However, there is a new approach EACirc is a genetically inspired randomness testing framework based on finding a dynamically constructed test. This test works as a probabilistic distinguisher separating cipher outputs from truly random data. In this work, we use EACirc to analyze the outputs of Tiny Encryption Algorithm (TEA). TEA was selected as a frequently used benchmark algorithm for cryptanalytic approaches based on genetic algorithms. In this paper, we provide results of EACirc applied to TEA ciphertext created from differently structured plaintext. We compare the methodology and results with previous approaches for limited-round TEA. A different construction of EACirc tests also allows us to determine which part of ciphers output is relevant to the decision of a well-performing randomness distinguisher.
Návaznosti
GA16-08565S, projekt VaVNázev: Rozvoj kryptoanalytických metod prostřednictvím evolučních výpočtů
Investor: Grantová agentura ČR, Standardní projekty
VytisknoutZobrazeno: 24. 3. 2019 20:51

Další aplikace