单项式预测技术、基于CP搜索确定性截断（不可能）差分与多维（零相关）线性近似自动化的密码分析数据集

本研究收集并处理了多种密码算法（如Trivium、Grain、Acorn、Kreyvium、AES-192、Midori64和Skinny）在不同攻击类型下的详细分析数据，涵盖了超多项式、相关密钥差分线性区分器、不可能差分区分器以及零相关线性近似等密码分析方法。数据采集工作在山东省青岛市山东大学（青岛）进行，使用Gurobi Solver（版本9.1.2）和Minizinc工具下的CP求解器Chuffed 0.13.2进行实验，并在32核64线程的Ubuntu 16.04服务器上执行。研究中提出了创新的单项式传播建模方法，通过嵌套单项式预测技术（NMP）显著提高了分析效率，并成功恢复了多个基于NLFSR的密码算法的超多项式。通过基于约束编程（CP）的自动化工具，优化了AES-192算法的相关密钥差分线性区分器，并改进了相关密钥截断差分攻击。此外，针对Midori64和Skinny算法，分别设计了最优的不可能差分区分器和零相关线性近似，提升了密码分析的精度与效率。本数据集在实验设计和验证过程中采用了严格的质量控制方法，确保了数据的高可信度和可靠性。通过详细的安全性评估和性能测试，验证了模型的准确性和一致性。本数据集不仅为密码算法的优化提供了重要参考，也为密码学领域的研究者提供了科学、全面的自动化分析方法。

搜集汇总

背景与挑战

背景概述

该数据集收集了针对Trivium、Grain、AES-192等多种密码算法的详细密码分析数据，涵盖超多项式、不可能差分、零相关线性近似等多种分析方法。研究通过创新的单项式预测技术和基于约束编程的自动化工具，提升了密码分析的效率与精度。数据采集于山东大学（青岛），使用Gurobi Solver和Chuffed等工具在Ubuntu服务器上完成，经过严格质量控制，为密码算法的优化和研究提供了科学参考。