2011年暗号と情報セキュリティシンポジウム(SCIS 2011)での発表資料

CLEFIAの差分攻撃及び線形攻撃耐性評価の更新
Update of the Security Evaluation of CLEFIA
Against Differential Attack and Linear Attack
三津田敦司, 白井太三
ソニー株式会社
目次
概要


目的,内容
CLEFIA



基本構造
拡散行列切り替え法(DSM)
差分攻撃/線形攻撃に対する安全性評価




従来評価結果
本評価結果
従来手法と新手法の評価手法の違い
まとめ

2
概要
CLEFIAの差分攻撃/線形攻撃耐性は提案者らによって評価



ハミング重みによる差分/線形active S-box数探索
特性確率評価で12ラウンドで共に安全性基準を達成

提案者評価における11ラウンド最大差分特性確率を与える
パスが存在しないことを発見

CLEFIAの差分特性/線形特性の厳密な評価


3
新たな評価手法の導出
11ラウンドで安全性基準を達成
CLEFIA
FSE2007において提案された共通鍵ブロック暗号
安全性,速度,実装コストの3つの基準をバランスよく実現
ブロック長:128ビット
鍵長:128, 192, 256ビット
データ処理部と鍵スケジュール部からなる





→データ処理部の安全性について述べる
秘密鍵
平文
128, 192, 256
鍵
ス
ケ
ジ
ュ
ー
ル
部
ラ
ウ
ン
ド
鍵
128
デ
ー
タ
処
理
部
128
4
暗号文
※本研究では各ラウンド鍵は
真に独立ランダムと仮定
CLEFIAのデータ処理部の基本構造
4系列Type-2一般化Feistel構造
2種類の8ビットS-box S0, S1
2種類の4×4MDS行列 M0, M1



Xr,0
32
RK2r
Xr,1
8
32
S0
S1
S0
1

2
M0  
4

6

Xr,2
32
RK2r+1
M0
5
8 2 a

1 a 2
a 1 8

2 8 1 
Xr,3
8
32
S1
S0
S1
S1
Xr+1,0
2 4 6
1


1 6 4
8
,
M

1
2
6 1 2



a
4 2 1

1
ラ
ウ
ン
ド
M1
S0
Xr+1,1
Xr+1,2
Xr+1,3
MDS行列の入出力ハミング重み
定義:ハミング重み X


32ビットのデータ X を8ビット毎,4つに分割したものの内,非0の個数
X  ( x0 | x1 | x2 | x3 )  ({0,1}8 ) 4
X #{i | 0  i  3, x0  08}
4×4MDS行列(分岐数5)


行列の入力 X , 出力Y に対し,次式が成り立つ
 Y  0 (X  0)

X  Y  5 (X  0)
X
6
M0
Y
X
M1
Y
CLEFIAの特徴 : 拡散行列切り替え法(DSM)
差分攻撃,線形攻撃に対する耐性を強化


2種類のMDS行列を結合した行列の分岐数が5
1

2
(M 0 | M1 )  
4

6

2 4 6 1 8 2 a

1 6 4 8 1 a 2
6 1 2 2 a 1 8

4 2 1 a 2 8 1 
⇒近傍ラウンド中の差分/線形マスクのハミング重みを保証
差分ハミング重みの例

MDS行列が1種類のとき
1
M
4
M0|M1の分岐数が5 のとき
1
M0
4
0
1
7
M
4
3,4
1
M1
4
CLEFIAの特徴 : 拡散行列切り替え法(DSM)
差分攻撃,線形攻撃に対する耐性を強化


2種類のMDS行列を結合した行列の分岐数が5
1

2
(M 0 | M1 )  
4

6

2 4 6 1 8 2 a

1 6 4 8 1 a 2
6 1 2 2 a 1 8

4 2 1 a 2 8 1 
⇒近傍ラウンド中の差分/線形マスクのハミング重みを保証
差分ハミング重みの例

MDS行列が1種類のとき
1
M
4
M0|M1の分岐数が5 のとき
1
M0
4
0
1
8
M
4
3,4
1
M1
4
ハミング重みの
和が5以上
CLEFIAの特徴 : 拡散行列切り替え法(DSM)
差分攻撃,線形攻撃に対する耐性を強化


2種類のMDS行列を結合した行列の分岐数が5となる様に設計
1

2
(M 0 | M1 )  
4

6

2 4 6 1 8 2 a

1 6 4 8 1 a 2
6 1 2 2 a 1 8

4 2 1 a 2 8 1 
⇒近傍ラウンド中の差分/線形マスクのハミング重みを保証
RK2r S0
S1
S0
S1
M0
A
RK2r+5 S1
S0
S1
S0
B
9
M1
RK2r+2 S0
S1
S0
S1
RK2r+7 S1
S0
S1
S0
RK2r+1 S1
S0
S1
S0
M0
M1
RK2r+4 S0
S1
S0
S1
M1
M0
RK2r+3 S1
S0
S1
S0
M1
A
RK2r+6 S0
S1
S0
S1
M0
B
4
ラ
ウ
ン
ド
差分攻撃/線形攻撃に対する安全性評価


ブロック暗号に対する汎用的かつ強力な攻撃
差分攻撃に対する安全性評価


ランダム置換との識別に利用可能な差分特性が存在しないことを示す
S-boxの最大差分確率と差分active S-box数を用いて評価



差分特性確率が2-128以下であるとき安全
線形攻撃に対する安全性評価

線形active S-box数を用いて同様に評価


差分特性確率≦(S-boxの最大差分確率)最小差分active S-box数
線形特性確率≦(S-boxの最大線形確率)最小線形active S-box数
active S-box数の計算手法
証明ベース
 計算機実験
⇒従来評価及び本評価では計算機実験を用いている

10
従来評価結果

active S-boxの下界を導出


全てのactive S-boxがS0であるとし,特性確率の上界を求める
最大差分確率
最大線形確率
S0
2-4.678
2-4.385
S1
2-6
2-6
最大差分特性確率 : maxDCP

12ラウンド中に28個以上のactive S-box
max DCP  (24.678) 28  2130.984  2128

最大線形特性確率 : maxLCP

12ラウンド中に30個以上のactive S-box
max LCP  (24.385)30  2131.550  2128
12ラウンドで安全性基準を達成
11
active S-boxの保証数
ラウンド数
差分
線形
1
0
0
2
1
1
3
2
5
4
6
6
5
8
10
6
12
15
7
14
16
8
18
18
9
20
20
10
22
23
11
24
26
12
28
30
従来評価結果

active S-boxの下界を導出


全てのactive S-boxがS0であるとし,特性確率の上界を求める
最大差分確率
最大線形確率
S0
2-4.678
2-4.385
S1
2-6
2-6
最大差分特性確率 : maxDCP

12ラウンド中に28個以上のactive S-box
max DCP  (24.678) 28  2130.984  2128

最大線形特性確率 : maxLCP

12ラウンド中に30個以上のactive S-box
max LCP  (24.385)30  2131.550  2128
12ラウンドで安全性基準を達成
12
active S-boxの保証数
ラウンド数
差分
線形
1
0
0
2
1
1
3
2
5
4
6
6
5
8
10
6
12
15
7
14
16
8
18
18
9
20
20
10
22
23
11
24
26
12
28
30
24個となるパス遷移に矛盾があったため,より詳細な評価を行った
本評価結果


厳密な評価を行うことで,よりタイトな特性確率の上界を導出
-log2(最大差分特性確率)
-log2(最大線形特性確率)
ラウンド数
従来手法
新手法
ラウンド数
従来手法
新手法
1
0
0
1
0
0
2
4.678
4.678
2
4.385
4.385
3
9.356
10.678 ※予稿集にミス
3
21.925
21.925
4
28.068
32.034
4
26.310
29.540
5
37.424
41.390
5
43.850
47.080
6
56.136
62.746
6
65.775
70.620
7
65.492
73.424
7
70.160
82.620
8
84.204
101.492
8
78.930
98.545
9
93.560
110.136
9
87.700
113.775
10
102.916
119.492
10
100.855
121.390
11
112.272
134.848
11
114.010
134.085
12
130.984
151.526
12
131.550
144.470
11ラウンドで共に特性確率が2-128以下となる
11ラウンドでも安全性基準を達成
13
従来手法と新手法

共通点


計算機を用いたパス探索による最大差分/線形特性確率の導出
変更点
1.
パス遷移の依存ラウンド数
3ラウンド ⇒ 5ラウンド
2.
各系列のデータ表現
ハミング重み ⇒ byte truncate
3.
2種類のS-boxの区別
S0の最大差分/線形確率を利用 ⇒ S0,S1それぞれの最大差分/線形確率を利用
4.
パス遷移条件
拡散行列切り替え法による入出力重みを考慮
⇒ 拡散行列の値に着目した代数的条件を考慮
14
1. パス遷移の依存ラウンド数

新手法では5ラウンド間のパスを考慮


従来手法では3ラウンド間のパスを考慮
例として以下の差分ハミング重み遷移を考える
1
1
M0
3
1
M1
4
1
M0
0?
15
1. パス遷移の依存ラウンド数

新手法では5ラウンド間のパスを考慮


従来手法では3ラウンド間のパスを考慮
例として以下の差分ハミング重み遷移を考える
1
1
M0
3
1
M1
4
1
M0
0
16
1ラウンド間:MDS行列による遷移判定
1+4+0≧5
1. パス遷移の依存ラウンド数

新手法では5ラウンド間のパスを考慮


従来手法では3ラウンド間のパスを考慮
例として以下の差分ハミング重み遷移を考える
1
1
M0
3
1
M1
4
1
M0
0
17
3ラウンド間:DSMによる遷移判定
1+1+3+0≧5
⇒3ラウンド間の関係では矛盾がなく,
従来手法では正しい遷移としていた
1. パス遷移の依存ラウンド数

新手法では5ラウンド間のパスを考慮


従来手法では3ラウンド間のパスを考慮
例として以下の差分ハミング重み遷移を考える
1
1
M0
3
1
M1
4
1
M0
0
18
1. パス遷移の依存ラウンド数

新手法では5ラウンド間のパスを考慮


従来手法では3ラウンド間のパスを考慮
例として以下の差分ハミング重み遷移を考える
1
1
M0
3
1
1
M0
0
19
M0
M1
4
1
1 1
⇒0,1,2
1
M1
1. パス遷移の依存ラウンド数

新手法では5ラウンド間のパスを考慮


従来手法では3ラウンド間のパスを考慮
例として以下の差分ハミング重み遷移を考える
1
1
M0
3
1
1
M0
0
20
M0
M1
4
1
1 1
⇒0,1,2
1
M1
足して5以下となり
DSMの条件に不適
1. パス遷移の依存ラウンド数

新手法では5ラウンド間のパスを考慮


従来手法では3ラウンド間のパスを考慮
例として以下の差分ハミング重み遷移を考える
1
1
M0
3
1
M0
M1
1
4
1
1 1
⇒0,1,2
M0
1
M1
足して5以下となり
DSMの条件に不適
0
遷移しないパスを新たに導出
21
2. 各系列のデータ表現


各系列32ビット毎のデータ全てを評価することは困難  232
バイト毎の0,非0を考慮したデータに置き換え
X  ( x0 | x1 | x2 | x3 )  ({0,1}8 ) 4

ハミング重み(従来手法)


系列毎に,byte単位の非0の個数で置き換え  0 ~ 4
X #{i | 0  i  3, x0  08}
Byte truncate(新手法)

系列毎に,byte単位で0, 非0を0, 1で置き換え  00002 ~ 11112
X  xˆ0 | xˆ1 | xˆ2 | xˆ3
0 ( xi  08 )
xˆi  
8
1
(
x

0
)
i

情報量の低下が抑えられるため,より厳密な評価が可能
22
3. 2種類のS-boxの区別

従来手法では全てのactiveなS-boxがS0であるとして評価

新手法ではS0, S1を分けてカウント


最大差分/線形確率の小さいS1を考慮
Byte Truncateにより, S0, S1どちらがactiveであるかを評価可能
例.差分評価においてS0, S1のactive数がそれぞれ16, 9のとき(合計25)
最大差分確率 最大線形確率
 従来手法(全てS0とする)
4.678 25
116.950
S0
2-4.678
2-4.385
DCP  (2
) 2

新手法(S0 , S1を区別)
DCP  (24.678)16  (26 )9  2128.848  2128
S1
2-6
2-6
従来よりactive S-box数が尐なくても,特性確率が2-128以下を達成
23
4. パス遷移条件(従来手法)

MDS行列の入出力重みによる条件
X

M0
Y
X
M1
Y
 Y  0 (X  0)

X  Y  5 (X  0)
DSMを考慮した条件
X
M0
Z
Y
24
M1
Z  0
(X  Y  0)


(else)
X  Y  Z  5
4. パス遷移条件(新手法)

拡散行列の値に着目

下左図の差分値に対し,下右図の方程式が成り立つ(GF(28))
1 2 4 6
( x0 | x1 | x2 | x3 )
2 1 6 4
4 6 1 2
6 4 2 1
1 8 2 a
( y0 | y1 | y2 | y3 )
8 1 a 2
2 a 1 8
a 2 8 1


2 4 6 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0
 0

 
1 6 4 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 t
 0
 ( x0 , x1 , x2 , x3 )   


6 1 2 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 t
0
 ( y0 , y1 , y2 , y3 )   
4 2 1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0  t
   0
(
a
,
a
,
a
,
a
)

0
1
2
3
  0
0 0 0 1 8 2 a 0 0 0 0 1 0 0 0 1 0 0 0  t
 (b , b , b , b )   
0 0 0 8 1 a 2 0 0 0 0 0 1 0 0 0 1 0 0  t 0 1 2 3   0 
 (c0 , c1 , c2 , c3 )   
0 0 0 2 a 1 8 0 0 0 0 0 0 1 0 0 0 1 0 
 0
 0
0 0 0 a 2 8 1 0 0 0 0 0 0 0 1 0 0 0 1 
 
各バイト毎の0, 非0を考慮


1

2
4

6
(b0 | b1 | b2 | b3 ) 
0
0

0
(c0 | c1 | c2 | c3 )
0

(a0 | a1 | a2 | a3 )
各byte truncate値に対する遷移の判定が可能
さらに複数ラウンド間の行列に対しても同様
線形も同様に判定が可能
従来より厳密な条件を与えたパス遷移を導出
25
新手法評価結果

評価手法に変更を加え,厳密な特性確率を導出
-log2(最大差分特性確率)
-log2(最大線形特性確率)
ラウンド
従来手法
新手法
ラウンド
従来手法
新手法
1
0
0
1
0
0
2
4.678
4.678
2
4.385
4.385
3
9.356
10.678
3
21.925
21.925
4
28.068
32.034
4
26.310
29.540
5
37.424
41.390
5
43.850
6
56.136
62.746
6
7
65.492
73.424
8
84.204
9
変更点
従来手法
新手法
依存段数
3ラウンド
5ラウンド
データ表現
ハミング
重み
Byte
truncate
47.080
S-box
S0
S0,S1
65.775
70.620
遷移判定
入出力重み
代数的条件
7
70.160
82.620
101.492
8
78.930
98.545
93.560
110.136
9
87.700
113.775
10
102.916
119.492
10
100.855
121.390
11
112.272
134.848
11
114.010
134.085
12
130.984
151.526
12
131.550
144.470
11ラウンドで安全性基準を達成
26
まとめ

CLEFIAの差分/線形特性確率の厳密な評価を行った
1.
2.
3.
4.

パス遷移の依存ラウンド数の増加
各系列のデータ表現を変更
2種類のS-boxの区別
パス遷移条件の詳細化
11ラウンドで差分/線形特性確率が2-128以下となることを示した


27
従来では12ラウンド
差分/線形特性を利用した差分/線形攻撃に対して,セキュリティマージンが1ラ
ウンド増加したことを示す
Similar pages