16、8轮AES的中间人攻击及块密码二阶侧信道分析防御

本文还有配套的精品资源,点击获取 menu-r.4af5f7ec.gif

8轮AES的中间人攻击及块密码二阶侧信道分析防御

8轮AES的中间人攻击

在对AES进行攻击时,为了平衡成本,可以采用一种权衡方法。在预计算阶段,不必评估所有可能的函数,而是只评估和存储部分可能的函数空间。但为了弥补这种减少带来的影响,必须使用不同的明文集多次重复密钥搜索过程。

若将函数集的大小缩小 $n_1$ 倍,并对每个候选密钥重复密钥搜索过程 $n_2$ 次($n_1, n_2 > 1$),对于较大的 $n_1$,找到正确密钥匹配的概率近似为:
$1 - (1 - \frac{1}{n_1})^{n_2} \approx 1 - e^{-\frac{n_2}{n_1}}$

当 $n_2 = n_1$ 时,成功概率为 63%;当 $n_2 = 4n_1$ 时,成功概率为 98%。通过这种权衡方法,可以平衡攻击的不同成本。当前攻击的复杂度主要由预计算阶段的复杂度和所需的存储量决定。从表 1 可以看出,基本攻击对 AES - 192 不可行,但通过权衡方法,预计算成本可以按需降低,当 $n_1 > 2^{16}$(即 $n > 16$)时,攻击对 AES - 192 变得可行。

扩展到 8 轮攻击

攻击 8 轮 AES 时,遵循与 7 轮攻击相同的步骤,但需要穷举搜索最后一轮密钥。因此,数据、预计算和存储复杂度不变,但密钥搜索阶段的复杂度增加了 $2^{128}$ 倍。8 轮 AES 攻击的时间复杂度变为 $2^{208}$,内存复杂度为 $2^{206}$。尽管此攻击在时间和内存方面似乎不如 Hellman 的时间 - 内存权衡攻击,但它比 8 轮 AES - 256 的穷举搜索更快。

内容概要:本文介绍了BiDex——一种低成本、高精度、便携式的双手机械臂灵巧操作遥操作系统,用于收集复杂任务下的高质量机器人行为克隆数据。该系统结合运动捕捉手套(Manus Meta)与仿生教学臂(GELLO),实现对手指和手臂动作的精确追踪,支持超过50个自由度的操作,并可在桌面及移动环境中部署。相比Vision Pro和SteamVR等现有方案,BiDex在任务完成率、响应速度和数据质量方面表现更优,已成功应用于倒水、铲取、锤击、夹取筷子等多种高难度双手机械操作任务的数据采集与策略训练。; 适合人群:机器人学、人工智能及相关领域的研究人员,尤其是从事机器人遥操作、模仿学习、灵巧手控制与数据驱动机器人控制的高校实验室成员或工业界开发者。; 使用场景及目标:①在无外部跟踪设备条件下实现野外(in-the-wild)双手机械臂遥操作;②为复杂灵巧操作任务收集高质量专家演示数据以训练行为克隆策略;③推动低成本、可复现的高自由度机器人控制系统在学术界的普及与应用; 阅读建议:建议结合项目官网(https://bidex-teleop.github.io)提供的视频、组装指南与软件代码进行实践学习,重点关注系统搭建、逆运动学映射、多模态数据同步与策略训练流程,以便完整掌握从硬件集成到机器学习应用的全链条技术细节。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值