線性反饋移位寄存器 - LFSR¶
介紹¶
線性反饋移位寄存器的反饋函數一般如下
a_{i+n}=\sum\limits_{j=1}^{n}c_ja_{i+n-j}
其中,c_j 均在某個有限域 F_q 中。
既然線性空間是一個線性變換,我們可以得知這個線性變換爲
進而,我們可以求得其特徵多項式爲
f(x)=x^n-\sum\limits_{i=1}^{n}c_ix^{n-i}
同時,我們定義其互反多項式爲
\overline f(x)=x^nf(\frac{1}{x})=1-\sum\limits_{i=1}^{n}c_ix^{i}
我們也稱互反多項式爲線性反饋移位寄存器的聯結多項式。
這裏有一些定理需要我們記一下,感興趣的可以自行推導。
特徵多項式與生成函數¶
已知某個 n 級線性反饋移位寄存器的特徵多項式,那麼該序列對應的生成函數爲
A(x)=\frac{p(x)}{\overline f(x)}
其中,p(x)=\sum\limits_{i=1}^{n}(c_{n-i}x^{n-i}\sum\limits_{j=1}^{i}a_jx^{j-1})。可以看出 p(x) 完全由初始狀態和反饋函數的係數決定。
序列週期與生成函數¶
序列的的週期爲其生成函數的既約真分式的分母的週期。
對於 n 級線性反饋移位寄存器,最長週期爲 2^{n}-1(排除全零)。達到最長週期的序列一般稱爲 m 序列。
特殊性質¶
- 將兩個序列累加得到新的序列的週期爲這兩個序列的週期的和。
- 序列是 n 級 m 序列,當且僅當序列的極小多項式是 n 次本原多項式。
B-M 算法¶
一般來說,我們可以從兩種角度來考慮 LFSR
- 密鑰生成角度,一般我們希望使用級數儘可能低的 LFSR 來生成周期大,隨機性好的序列。
- 密碼分析角度,給定一個長度爲 n 的序列 a,如何構造一個級數儘可能小的 LFSR 來生成它。其實這就是 B-M 算法的來源。
一般來說,我們定義一個序列的線性複雜度如下
- 若 s 爲一個全零序列,則線性複雜度爲0。
- 若沒有 LFSR 能生成 s,則線性複雜度爲無窮。
- 否則,s 的線性複雜度爲生成 L(s) 的最小級的 LFSR。
BM 算法的要求我們需要知道長度爲 2n 的序列。其複雜度
- 時間複雜度:O(n^2) 次比特操作
- 空間複雜度:O(n) 比特。
關於 BM 算法的細節,後續添加,目前處於學習過程中。
但是其實如果我們知道了長度爲 2n 的序列,我們也可以一種比較笨的方法來獲取原先的序列。不妨假設已知的序列爲a_1,...,a_{2n},我們可以令
S_1=(a_1,...,a_n)
S_2=(a_2,...,a_{n+1})
....
S_{n+1}=(a_{n+1},...,a_{2n})
那麼我們可以構造矩陣 X=(S_1,...,S_n),那麼
S_{n+1}=(c_n,...,c_1)X
所以
(c_n,...,c_1)=S_{n+1}X^{-1}
進而我們也就知道了 LFSR 的反饋表達式,進而我們就可以推出初始化種子。
2018 強網杯 streamgame1¶
簡單看一下題目
from flag import flag
assert flag.startswith("flag{")
assert flag.endswith("}")
assert len(flag)==25
def lfsr(R,mask):
output = (R << 1) & 0xffffff
i=(R&mask)&0xffffff
lastbit=0
while i!=0:
lastbit^=(i&1)
i=i>>1
output^=lastbit
return (output,lastbit)
R=int(flag[5:-1],2)
mask = 0b1010011000100011100
f=open("key","ab")
for i in range(12):
tmp=0
for j in range(8):
(R,out)=lfsr(R,mask)
tmp=(tmp << 1)^out
f.write(chr(tmp))
f.close()
可以發現,flag 的長度爲25-5-1=19,所以可以暴力枚舉。結果
➜ 2018-強網杯-streamgame1 git:(master) ✗ python exp.py
12
0b1110101100001101011
因此 flag 爲 flag{1110101100001101011}。
2018 CISCN 初賽 oldstreamgame¶
簡單看一下題目
flag = "flag{xxxxxxxxxxxxxxxx}"
assert flag.startswith("flag{")
assert flag.endswith("}")
assert len(flag)==14
def lfsr(R,mask):
output = (R << 1) & 0xffffffff
i=(R&mask)&0xffffffff
lastbit=0
while i!=0:
lastbit^=(i&1)
i=i>>1
output^=lastbit
return (output,lastbit)
R=int(flag[5:-1],16)
mask = 0b10100100000010000000100010010100
f=open("key","w")
for i in range(100):
tmp=0
for j in range(8):
(R,out)=lfsr(R,mask)
tmp=(tmp << 1)^out
f.write(chr(tmp))
f.close()
程序很簡單,仍然是一個 LFSR,但是初態是 32 比特位,當然,我們也可以選擇爆破,但是這裏不選擇爆破。
這裏給出兩種做法。
第一種做法,程序輸出的第 32 個比特是由程序輸出的前 31 個比特和初始種子的第 1 個比特來決定的,因此我們可以知道初始種子的第一個比特,進而可以知道初始種子的第 2 個比特,依次類推。代碼如下
mask = 0b10100100000010000000100010010100
b = ''
N = 32
with open('key', 'rb') as f:
b = f.read()
key = ''
for i in range(N / 8):
t = ord(b[i])
for j in xrange(7, -1, -1):
key += str(t >> j & 1)
idx = 0
ans = ""
key = key[31] + key[:32]
while idx < 32:
tmp = 0
for i in range(32):
if mask >> i & 1:
tmp ^= int(key[31 - i])
ans = str(tmp) + ans
idx += 1
key = key[31] + str(tmp) + key[1:31]
num = int(ans, 2)
print hex(num)
運行
➜ 2018-CISCN-start-oldstreamgame git:(master) ✗ python exp1.py
0x926201d7
第二種做法,我們可以考慮一下矩陣轉換的過程,如果進行了 32 次線性變換,那麼就可以得到輸出流前 32 個比特。而其實,我們只需要前 32 個比特就可以恢復初始狀態了。
mask = 0b10100100000010000000100010010100
N = 32
F = GF(2)
b = ''
with open('key', 'rb') as f:
b = f.read()
R = [vector(F, N) for i in range(N)]
for i in range(N):
R[i][N - 1] = mask >> (31 - i) & 1
for i in range(N - 1):
R[i + 1][i] = 1
M = Matrix(F, R)
M = M ^ N
vec = vector(F, N)
row = 0
for i in range(N / 8):
t = ord(b[i])
for j in xrange(7, -1, -1):
vec[row] = t >> j & 1
row += 1
print rank(M)
num = int(''.join(map(str, list(M.solve_left(vec)))), 2)
print hex(num)
運行腳本
➜ 2018-CISCN-start-oldstreamgame git:(master) ✗ sage exp.sage
32
0x926201d7
從而 flag 爲 flag{926201d7}。
還有一種做法是 TokyoWesterns 的,可以參考對應的文件夾的文件。
題目¶
參考文獻¶
- 密碼學講義,李超,屈龍江編著