1.一种基于改进随机森林算法的分组密码体制识别方法,其特征在于,包括:步骤1、基于随机性检测方法对已知对应密码体制的一组密文文件F1,F2,…,Fn的内容进行密文特征提取,得到一组特征集 其中任一密文特征均是维数为d的向量,i=1,2,…,n,d为特征维数;
F
步骤2、根据所述特征集Fea 构建一组基分类器,通过对每个基分类器的预测进行投票以进行分类,得到随机森林模型,然后利用随机森林模型学习到的树构造新特征集;
步骤3、对所述新特征集中的特征进行one‑hot编码;
步骤4、采用逻辑回归算法对编码后的新特征集进行分类训练,得到训练好的分类模型;
步骤5、基于随机性检测方法对待识别密文文件FT1,FT2,…,FTs的内容进行特征提取,得到特征集 将特征集
输入到训练好的分类模型中,输出的识别结果即为所述待识别密文的密码体制标签。
2.根据权利要求1所述的方法,其特征在于,待识别密文文件的分组密码体制包括AES、
3DES、Blowfish、CAST和RC2中的至少一种。
3.根据权利要求1所述的方法,其特征在于,将所述特征集中的密文特征表示为如公式(1)所示的四元组:
fea=(C,orga,NIST,d), (1)其中,C为密文数据的表示方式,NIST=(nist1,nist2,…,nist15)为SP 800‑22标准中的
15种随机性测试程序,orga为istt要求的密文数据组织形式,t=1,2,3,…,15。
4.根据权利要求1所述的方法,其特征在于,所述步骤2包括:步骤2.1:将步骤1中的n个密文文件的密码体制标签形成一个n维向量Lab=(lab1,F
lab2,…,labn),记由Fea和Lab组成的二元组为原始数据集T;
步骤2.2:设定随机森林中树的数量为k,并将原始数据集T作为输入;其中,每个密文文件的密文特征表示一个样本;
步骤2.3:采用有放回取样,随机在原始数据集T中抽取M个样本,形成Bootstrap样本集T*;
步骤2.4:在Bootstrap样本集T*中随机地从d个特征中选取m个属性作为候选属性,并计算最佳分裂属性;
步骤2.5:基于最佳分裂属性的每种取值类型,对本次放回抽样所产生的样本集T*进行水平分割得到数据集P1,P2,…,Pj;
步骤2.6:对数据集P1,P2,…,Pj中的每个子数据集,随机选取m个属性,并从中选取最佳分裂属性,然后再次水平分割当前子数据集;
步骤2.7:重复步骤2.3至步骤2.6以建立k棵决策树,构建得到随机森林模型,进而利用所述随机森林模型得到分类数据集D(R(P1),R(P2),…,R(Pj));
步骤2.8:根据特征的重要性对所述分类数据集D(R(P1),R(P2),…,R(Pj))中的特征进行排序,并筛选出重要性强的特征组成新特征集F(P1,P2,…,Pj)。