딥러닝 기반 암호해독의 혁신: 신경망으로 SKINNY 암호 알고리즘의 취약점 공략

Liu Zhang 등 연구진은 신경망을 이용한 적분 분석 기법을 통해 SKINNY 암호 알고리즘의 취약점을 발견하고, 기존 최고 기록을 뛰어넘는 공격을 성공적으로 수행했습니다. 새로운 '중간 만남' 검색 프레임워크와 신경망 기반 특징 추출은 암호 분석 분야에 새로운 패러다임을 제시합니다.

Liu Zhang 등 연구진이 발표한 논문 "Neural-Inspired Advances in Integral Cryptanalysis"는 암호 해독 분야에 딥러닝을 접목하여 놀라운 성과를 거두었습니다. 기존의 적분 분석(Integral Cryptanalysis) 기법에 신경망을 도입하여, 기존 방법으로는 찾지 못했던 새로운 특징들을 발견하고, 이를 통해 SKINNY 암호 알고리즘에 대한 공격을 한층 강화했습니다.

기존 방법의 한계를 뛰어넘는 신경망 기반 특징 추출

Gohr 등의 연구(CRYPTO 2019)에서 신경망이 암호 분석에 새로운 통찰력을 제공할 수 있음을 보여준 바 있습니다. 본 연구는 이를 발전시켜, 적분 특성과 관련된 특징을 특별히 학습하는 신경망을 고안했습니다. 이를 통해 기존의 자동화된 검색 모델이 찾지 못했던 최적의 구별자(distinguisher)를 발견하는 데 성공했습니다. 이는 신경망이 기존 암호 해독 방법을 뛰어넘는 새로운 가능성을 제시한다는 점에서 매우 중요한 의미를 지닙니다.

정확성과 효율성의 조화: '중간 만남' 검색 프레임워크

신경망으로 얻은 적분 구별자와 기존 방법으로 얻은 구별자를 비교 분석한 결과, 기존 자동화된 검색 모델은 최적의 구별자를 찾는 데 실패하는 경우가 많다는 사실이 밝혀졌습니다. 이 문제를 해결하기 위해 연구진은 모델 정확도와 계산 효율성을 동시에 고려하는 '중간 만남(meet in the middle)' 검색 프레임워크를 개발했습니다. 이 프레임워크를 통해 SKINNY64/64에 대한 11라운드 적분 구별자에 필요한 활성 평문 비트 수를 줄였을 뿐 아니라, 기존 최고 기록보다 한 라운드 더 많은 12라운드 키 종속 적분 구별자를 발견하는 성과를 달성했습니다.

SKINNY 암호 알고리즘에 대한 강력한 공격 가능성 제시

신경망을 통해 발견된 새로운 적분 구별자는 더 많은 라운드에 대한 키 복구 공격을 가능하게 합니다. 연구진은 단 하나의 활성 평문 셀만을 사용하여 7라운드 키 독립적 적분 구별자를 발견했으며, 이를 통해 SKINNYn/n에 대한 15라운드 키 복구 공격을 성공적으로 수행했습니다. 이는 기존 최고 기록보다 한 라운드 향상된 결과입니다. 또한, 8라운드 키 종속 적분 구별자를 발견하여 SKINNY 암호 알고리즘에 대한 키 복구 공격의 시간 복잡도를 더욱 감소시켰습니다.

결론적으로, 이 연구는 딥러닝을 활용한 암호 분석의 새로운 지평을 열었습니다. 신경망 기반의 새로운 접근 방식은 암호 알고리즘의 취약점을 발견하고, 더욱 강력한 공격 기법을 개발하는 데 큰 기여를 할 것으로 기대됩니다. 향후 연구에서는 더욱 다양한 암호 알고리즘에 대한 적용 및 더욱 정교한 신경망 모델 개발이 필요할 것입니다.