本发明涉及密码分析，特别涉及一种序列密码算法snow2.0线性区分攻击评估方法及系统。
背景技术：
1、snow 2.0算法是一种基于字上的线性反馈移位寄存器(lfsr)驱动fsm的序列密码，在软件和硬件环境上都具有很好的实现性能，可以抵抗多种传统的攻击方法。2005年snow 2.0被选为标准化算法iso/iec 18033-4，目前还没有低于其声明的128bit密钥安全性的攻击结果。现有的snow 2.0算法的线性区分器有单比特上的区分器和32比特上的区分器两种。对于单比特上的区分器，现由利用4个时刻fsm的线性逼近以及lfsr的更新方程建立snow 2.0的区分器，将fsm的线性逼近中的非线性函数和拆分为一些二输入模232加的线性逼近和s层的线性逼近，搜索到的区分器优势为2-111.25，区分攻击的时间/数据复杂度均为2225，然而由复合函数的相关系数定理可知，该方法计算的优势并不准确。随后，snow2.0改进的线性区分器给出了高效的方法精确计算非线性函数f(x,y),g(x,y,z)的相关系数，并找到了优势为2-85.89的更大的区分器，给出了时间和数据复杂度均为2174的区分攻击。然后，以上的两种方案使用4个时刻fsm的线性逼近建立线性区分器时，均假设这4个线性逼近是相互独立的，但是，这4个线性逼近因为具有公共变量，所以是不相互独立的，因此，其相关系数计算也是不精确的。
技术实现思路
1、为此，本发明提供一种序列密码算法snow2.0线性区分攻击评估方法及系统，解决现有snow2.0算法线性逼近相关系数计算不合理的问题，便于更加合理地评估snow2.0算法的安全可靠性。
2、按照本发明所提供的设计方案，一方面，提供一种序列密码算法snow2.0线性区分攻击评估方法，包含：
3、利用snow2.0序列密码算法中线性反馈移位寄存器的状态更新函数建立线性反馈移位寄存器变量等价关系；
4、利用指定时刻snow2.0序列密码算法中有限状态机线性逼近建立密钥流和线性反馈移位寄存器变量的线性逼近，其中，指定时刻包括多个不同时刻；
5、将线性反馈移位寄存器变量等价关系带入线性逼近中，建立仅包含密钥流输出序列的区分器；
6、通过搜索区分器中线性逼近单链的最大优势，进而计算该取区分器的精确相关系数。
7、作为本发明序列密码算法snow2.0线性区分攻击评估方法，进一步地，线性反馈移位寄存器的状态更新函数表示为：其中，α,α-1为状态更新系数，且α,α-1∈gf(232)，gf(232)为二元域gf(2)上的32维扩域，t为时刻。
8、作为本发明序列密码算法snow2.0线性区分攻击评估方法，进一步地，线性反馈移位寄存器变量等价关系表示为：其中，γ,λ,a,b,c为掩码。
9、作为本发明序列密码算法snow2.0线性区分攻击评估方法，进一步地，建立密钥流和线性反馈移位寄存器变量的线性逼近，包含：
10、获取指定时刻密钥流，所述指定时刻包括t+2,t+16,t,t+11；
11、根据掩码及指定时刻密钥流并利用线性反馈移位寄存器状态更新函数构建对应时刻密钥流和寄存器变量之间的线性逼近方程；
12、将指定时刻中密钥流和寄存器变量之间的线性逼近方程进行异或操作，并依据异或操作结果中的非线性函数建立密钥流和线性反馈移位寄存器变量的线性逼近。
13、作为本发明序列密码算法snow2.0线性区分攻击评估方法，进一步地，建立仅包含密钥流输出序列的区分器，包含：
14、将线性反馈移位寄存器变量等价关系带入线性逼近中，利用线性反馈移位寄存器变量等价关系消除密钥流和线性反馈移位寄存器变量的线性逼近中的线性反馈移位寄存器变量，以建立仅包含密钥流输出序列的区分器。
15、作为本发明序列密码算法snow2.0线性区分攻击评估方法，进一步地，通过搜索区分器中线性逼近单链的最大优势，进而计算该取区分器的精确相关系数，包含：
16、建立仅包含密钥流输出序列的区分器线性逼近单链的milp模型；
17、利用gurobi求解器对milp模型进行求解并搜索线性逼近单链的最大值，并针对milp模型搜索的最大值，基于掩码计算区分器相关系数。
18、作为本发明序列密码算法snow2.0线性区分攻击评估方法，进一步地，建立milp模型，包含：
19、获取区分器中每个有限状态机线性逼近单链，所述单链包括3个模232加的线性逼近以及1个s函数的线性逼近；
20、依据各有限状态机线性逼近单链分别建立各模232加和s盒函数线性逼近的milp模型。
21、再一方面，本发明还提供一种序列密码算法snow2.0线性区分攻击评估系统，包含：移存器变量等价模块、线性逼近建立模块、区分器获取模块和区分器评估模块，其中，
22、移存器变量等价模块，用于利用snow2.0序列密码算法中线性反馈移位寄存器的状态更新函数建立线性反馈移位寄存器变量等价关系；
23、线性逼近建立模块，用于利用指定时刻snow2.0序列密码算法中有限状态机线性逼近建立密钥流和线性反馈移位寄存器变量的线性逼近，其中，指定时刻包括多个不同时刻；
24、区分器获取模块，用于将线性反馈移位寄存器变量等价关系带入线性逼近中，并建立仅包含密钥流输出序列的区分器；
25、区分器评估模块，用于通过搜索区分器中线性逼近单链的最大优势，进而计算该取区分器的精确相关系数。
26、本发明的有益效果：
27、本发明首先构建snow2.0算法区分器，并将算法评估中的区分器搜索问题分解为线性逼近单链最大优势搜索和计算相应区分器的精确相关系数两部分，能够解决现有线性逼近中具有公共变量影响区分器攻击效果的问题，能够有效评估区分器优势，在序列密码安全性分析方面具有较好的应用前景。
1.一种序列密码算法snow2.0线性区分攻击评估方法，其特征在于，包含：
2.根据权利要求1所述的序列密码算法snow2.0线性区分攻击评估方法，其特征在于，线性反馈移位寄存器的状态更新函数表示为：其中，α,α-1为状态更新系数，且α,α-1∈gf(232)，gf(232)为二元域gf(2)上的32维扩域，t为时刻。
3.根据权利要求2所述的序列密码算法snow2.0线性区分攻击评估方法，其特征在于，线性反馈移位寄存器变量等价关系表示为：其中，γ,λ,a,b,c为32比特掩码。
4.根据权利要求3所述的序列密码算法snow2.0线性区分攻击评估方法，其特征在于，建立密钥流和线性反馈移位寄存器变量的线性逼近，包含：
5.根据权利要求1或4所述的序列密码算法snow2.0线性区分攻击评估方法，其特征在于，建立仅包含密钥流输出序列的区分器，包含：
6.根据权利要求1所述的序列密码算法snow2.0线性区分攻击评估方法，其特征在于，通过搜索区分器中线性逼近单链的最大优势来获取区分器相关系数，包含：
7.根据权利要求6所述的序列密码算法snow2.0线性区分攻击评估方法，其特征在于，建立milp模型，包含：
8.一种序列密码算法snow2.0线性区分攻击评估系统，其特征在于，包含：移存器变量等价模块、线性逼近建立模块、区分器获取模块和区分器评估模块，其中，
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当计算机程序被执行时，能够实现如权利要求1～7任一项所述的方法。
