[發明專利]一種商用密碼算法識別方法、系統、介質、設備及終端

在審

• 申請號: 202210346681.1
• 申請日: 2022-04-02
• 公開（公告）號: CN114722932A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 向廣利;施奕濱;袁景凌;張莎;李承德;張凱;戰炳全;羅凱凡;張力文
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/774;G06V10/764;G06V10/82;G06N3/04;G06N3/08;H04L9/32;H04L9/40
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 張曉博

1.一種基于LeNet5-RF的商用密碼算法識別方法，其特征在于，所述基于LeNet5-RF的商用密碼算法識別方法包括：在銀行電子賬戶系統的安全數據檢測中利用LeNet5神經網絡模型與隨機森林模型對商用密碼算法進行訓練，并搭建密文分類平臺，增強各類采用數字簽名系統數據的安全性。

2.權利要求1所述的基于LeNet5-RF的商用密碼算法識別方法，其特征在于，所述基于LeNet5-RF的商用密碼算法識別方法包括以下步驟：步驟一，密文預處理：將用戶提交的待識別密文轉化為01串后，對密文串進行量化和映射，形成密文映射矩陣；

步驟二，CnPo特征提取：將預處理得到的密文映射矩陣進行卷積和池化操作得到最終的64維CnPo_64、75維CnPo_75以及192維CnPo_192密文特征；

步驟三，構建隨機森林RF；

步驟四，構建LeNet5神經網絡；

步驟五，數據處理：對密文矩陣進行正則化處理后，按照8：2的比例將數據集劃分為訓練集和測試集，送入LeNet5-RF模型進行訓練。

3.如權利要求2所述的基于LeNet5-RF的商用密碼算法識別方法，其特征在于，步驟一中，所述待識別密文文件的商用密碼算法體制包括SM2、SM3、SM4中的至少一種；

所述密文預處理，包括：

(1)采用簡單線性變換，按照8bit、16bit或32bit將原始密文分塊；

(2)采用累加求和對劃分的密文塊進行量化，得到1024維的轉化后的密文數據；

(3)將密文數據按順序分割得到大小為32×32密文映射矩陣；

步驟二中，所述CnPo特征提取，包括：

(1)對于每一個密文文件，將預處理得到的32×32的密文矩陣進行一次卷積，其中輸入通道為1，輸出通道為3；

(2)通過兩次池化下采樣，得到3個8×8的矩陣；

(3)將矩陣展平，得到192維特征向量。

4.如權利要求2所述的基于LeNet5-RF的商用密碼算法識別方法，其特征在于，步驟三中，所述構建隨機森林RF，包括：

(1)用訓練集對模型進行訓練，用測試集測試模型預測的準確率；

(2)對模型的參數進行優化，選擇能夠使準確率較高，時間性能較好的參數，根據不同的加密算法選擇適合的特征維度；

(3)將訓練好的模型保存，供之后使用。

5.如權利要求2所述的基于LeNet5-RF的商用密碼算法識別方法，其特征在于，步驟四中，所述構建LeNet5神經網絡，包括：

(1)輸入32×32×1的灰度圖像，經過6×5×5的濾波器第一次卷積C1得到28×28×6的輸出；

(2)將輸出送入池化層P1進行2×2的下采樣后，再經過16×5×5的濾波器第二次卷積C2得到10×10×16的輸出；

(3)將本次輸出送入與P1相同的P2池化層，展開得到400維的特征向量；

(4)完成三次全連接操作，最終得到10維的輸出，并使用softmax分類得到對應的權重。

6.如權利要求2所述的基于LeNet5-RF的商用密碼算法識別方法，其特征在于，步驟五中，單個密文bit最小值x為x＝block×1024/8000；其中Block取8、16、32。