摘要：密碼體制識別是指在已知密文條件下,通過分析密文中潛在的各類特征信息達到區(qū)分或識別其加密算法的過程,是現(xiàn)實中開展深層次密碼分析的重要前提.基于機器學習的密碼體制識別方法通過提取密文特征訓練機器學習算法模型構建密碼體制識別分類器,具有識別準確率高、操作流程簡明且實用性強的特點,目前已成為密碼體制識別領域的主流方法.本文基于NIST的隨機性測試標準重新設計密文特征提取方法,進而提出了一種基于隨機森林分類算法的密碼體制識別方案.實驗表明,該方案可以有效區(qū)分明密文以及分組密碼不同模式(ECB模式與CBC模式)加密的密文,并以明顯高于隨機的的識別準確率完成對AES、DES、3DES、IDEA、Blowfish和Camellia共計六種密碼體制的兩兩區(qū)分實驗.大多數(shù)基于隨機性測試的密文特征具有識別不同密碼體制加密密文的能力,與現(xiàn)有的密文特征相比,本文提出的部分密文特征可以在較少的數(shù)據(jù)量下達到較高識別準確率.相關研究可以為進一步探索密文特征提取技術與密碼體制識別方案提供參考.