13、机器学习助力轻量级密码的差分区分器研究

机器学习助力轻量级密码的差分区分器研究

1. 混合整数线性规划（MILP）在密码分析中的应用

在密码分析领域，混合整数线性规划（MILP）是一种重要的工具。我们先来看一个MILP的优化问题：

Minimize d
Subject to
⎧
⎪⎪⎪⎨
⎪⎪⎪⎩
x0 + x1 - 2d ≥ 0
d - x0 ≥ 0
d - x1 ≥ 0
d - y ≥ 0
x0, x1, y, d are binary

这里会过滤掉像((x0, x1, y, d) = (1, 1, 1, 1))或((1, 1, 0, 1))这样的无效情况。值得注意的是，像Gurobi这样的现代MILP求解器实际上可以直接处理异或（XOR）子句作为约束条件，但在文献中，这种特性在差分或线性边界的任何公式化中都未被使用。

1.1 GIFT - 128的1轮差分边界的MILP模型示例

以GIFT - 128的1轮差分边界的MILP实例为例，其LP格式（一种人类可读的表达MILP实例的格式）的缩写（部分注释）版本如下：
- 未缩写的LP文件包含3297个线性约束和3520个二进制变量（即每个S盒有110个变量）。
- 在缩写版本中，仅显示了第0个S盒对应的约束（第14 - 118行，共103个约束）。在未缩写版本中，其余31个S盒会重复类似模式（总计3296个约束）。
- 额外的约束（第10行）来自初始非零输入差异。
- 目标函数在第4行给出。
- 线性层没有约束（第122行提到），这些约束从第2轮开始出现。
- 第126行标记所有变