新闻详情

新闻详情

首页 / 资讯中心 / 详情

BMW算法的各种密码分析方法全面盘点

发布时间:2026/11/12 8:12:47来源:尧图网络
BMW算法的各种密码分析方法全面盘点
BMW算法的各种密码分析方法全面盘点针对BMWBlue Midnight Wish哈希算法的密码分析主要集中在2009至2011年间即其作为SHA-3竞赛候选算法期间。这些分析揭示了算法在压缩函数层面的多种结构性弱点但大多不直接威胁到完整迭代哈希函数的安全性。以下是针对BMW算法各类密码分析方法的全面盘点核心攻击伪密码分析 (Pseudo-Cryptanalysis)这是对原始版BMW最著名、最系统的分析由Søren S. Thomsen在2009年提出。其核心是允许攻击者自由选择哈希函数的初始值IV在这种放宽条件下评估算法安全性。近碰撞攻击 (Near-Collision Attack)复杂度约为2¹⁴。攻击者可以极快地找到一对输入使压缩函数输出在特定位上相同或差异极小。伪碰撞攻击 (Pseudo-Collision Attack)复杂度约为2^(3n/8 1)。对于BMW-512n512复杂度约为2¹⁹²远低于理想情况的2²⁵⁶。伪第二原像攻击 (Pseudo-(Second) Preimage Attack)复杂度约为2^(3n/4 1)。特点这些攻击的内存需求可忽略不计且攻击复杂度不受BMW安全参数选择的影响。其他分析方法除了上述系统性攻击研究人员还运用了多种技术来分析BMW确定性差分分析 (Deterministic Differential Properties)由Guo和Thomsen在2010年提出针对改进后的第二轮版本。研究发现压缩函数存在确定性的差分特征计算复杂度仅约2⁰次即常数时间即可找到。尽管这些差分可用于寻找伪原像但增益微乎其微不构成安全威胁。实际近碰撞攻击 (Practical Near-Collisions)由Leurent和Thomsen在2011年提出。针对BMW-256能以约2³²次压缩函数评估的代价构造出512位输出中有300个指定位发生碰撞的输入对。对于BMW-512预计能以2⁶⁴的代价使约600位发生碰撞。此攻击同样不影响迭代哈希函数本身的安全性。线性分析 (Linear Approximations)由Klima和Susil在2009年研究。通过将BMW的ARX加-异或-循环移位操作中的加法替换为异或得到一个线性化版本“BMWlin”。研究发现其矩阵结构正常未发现任何可用于密码分析的线性弱点。旋转密码分析 (Rotational Cryptanalysis)由Nikolić等人在2010年提出作为一种区分器用于分析BMW的修改版本。总结总的来说对BMW算法的密码分析是一段经典的密码学“攻防”案例展现了强大的分析能力研究人员通过伪密码分析等方法揭示了原始版本压缩函数在结构上远非理想。凸显了迭代结构的安全性这些攻击大多针对压缩函数并未成功突破由宽管道Wide-pipe和最终变换构建的完整哈希函数的安全性。推动了算法的演进正是这些分析促使BMW的设计者在进入SHA-3第二轮后对算法进行了“调整”tweak以修复已知的弱点。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/11 9:31:44

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/11 5:36:08

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉