基于密文特征的密码算法识别研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 密码算法识别的研究背景与意义 | 第15-16页 |
| 1.2 密码算法识别研究现状 | 第16-17页 |
| 1.3 论文的研究内容与主要工作 | 第17-19页 |
| 第二章 密码学概述 | 第19-33页 |
| 2.1 现代密码算法 | 第19-31页 |
| 2.1.1 分组密码 | 第20-22页 |
| 2.1.2 流密码 | 第22-23页 |
| 2.1.3 密码算法介绍 | 第23-28页 |
| 2.1.4 分组密码的工作模式 | 第28-31页 |
| 2.2 密码分析 | 第31-32页 |
| 2.2.1 密码分析攻击的类型 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 密文特征与提取实现 | 第33-59页 |
| 3.1 随机性检测方法 | 第33-49页 |
| 3.1.1 统计检验基础 | 第34-36页 |
| 3.1.2 随机性检测方法 | 第36-49页 |
| 3.2 其他特征设计 | 第49-54页 |
| 3.2.1 熵特征 | 第50-54页 |
| 3.2.2 频域特征 | 第54页 |
| 3.3 密文特征提取算法实现 | 第54-56页 |
| 3.4 特征评估 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 密码算法识别结果与分析 | 第59-79页 |
| 4.1 数据预处理 | 第59-61页 |
| 4.1.1 实验环境 | 第59-60页 |
| 4.1.2 特征标准化 | 第60-61页 |
| 4.2 基于支持向量机的密码算法识别模型研究 | 第61-66页 |
| 4.2.1 评价标准 | 第62-64页 |
| 4.2.2 二分类识别测试 | 第64-65页 |
| 4.2.3 多分类识别测试 | 第65-66页 |
| 4.3 基于集成学习的密码算法识别模型研究 | 第66-72页 |
| 4.3.1 决策树识别测试 | 第67-69页 |
| 4.3.2 随机森林识别测试 | 第69-70页 |
| 4.3.3 梯度提升决策树识别测试 | 第70-72页 |
| 4.4 识别效果影响因素分析 | 第72-77页 |
| 4.4.1 密文特征对识别精度的影响 | 第72-73页 |
| 4.4.2 密钥和加密模式对识别精度的影响 | 第73-75页 |
| 4.4.3 密文长度对识别精度的影响 | 第75-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第五章 总结 | 第79-81页 |
| 5.1 全文总结 | 第79-80页 |
| 5.2 不足与展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 作者简介 | 第87-88页 |
