当前位置: 首页 > news >正文

对称算法模式之CTR

Note

  1. 计数器模式,通过加密递增计数器生成密钥流,后密钥流与明文分组异或得密文分组
  2. 可并行性进行加密或者解密,性能较高
  3. 明文可以是任意长度,不需要填充
  4. 可以直接加密或解密指定块,块与块间不具有依赖关系

参数说明

  1. 任意长度的明文数据
  2. 对称密钥
  3. 初始向量IV,通常是12字节

加密过程

  1. 将IV和计数器合成初始计数器块Counter,IV || 计数器 的长度应等于对称算法的分块大小,如SM4分块大小是16字节,则 IV || 0001 作为初始计数块Counter0
  2. 明文分组大小和初始计数器块大小一致,每块明文均执行以下步骤
  3. 对称算法加密Counter_i生成密钥流k
  4. 密钥流k和明文分块异或产生密文分块Ci
  5. counter_(i+1) = counter_i + 1, 计数器递增
  6. 处理完明文数据,拼接C1C2C3......Ci

解密过程

  1. 将IV和计数器合成初始计数器块Counter
  2. 每块密文执行如下步骤
  3. 对称算法加密Counter_i生成密钥流k
  4. k和密文分块异或产生明文块Pi
  5. 计数器加1
  6. 处理完密文数据,拼接P1P2......Pi-1Pi

写在最后

        上面步骤为了便于理解,是按线性思维梳理的加密过程,在实际应用中处理好计数器值、密文块、明文块的对应关系,可以同步进行。

http://www.lryc.cn/news/538133.html

相关文章:

  • Map 和 Set
  • STOMP协议
  • 手动埋点的demo
  • 大模型开发实战篇5:多模态--文生图模型API
  • 【大模型】DeepSeek 高级提示词技巧使用详解
  • 【第14章:神经符号集成与可解释AI—14.2 可解释AI技术:LIME、SHAP等的实现与应用案例】
  • Python中使用Minio实现图像或视频文件的存储
  • Kubernetes-master 组件
  • 人形机器人 - 仿生机器人核心技术与大小脑
  • OpenAI 快速入门
  • nginx 实战配置
  • WebMvcConfigurer 介绍
  • java05(类、泛型、JVM、线程)---java八股
  • Python+appium实现自动化测试
  • Unity中如何判断URL是否为RTSP或RTMP流
  • 基于角色访问控制的UML 表示02
  • 【函数题】6-10 二分查找
  • 关于conda换镜像源,pip换源
  • DeepSeek与ChatGPT的全面对比
  • Spring AI发布!让Java紧跟AI赛道!
  • 基于CT107D单片机综合训练平台的秒表设计
  • opensuse [Linux] 系统挂在新的机械硬盘
  • 时间序列分析(四)——差分运算、延迟算子、AR(p)模型
  • 【CUDA】Triton
  • Windows环境搭建ES集群
  • langchain学习笔记之消息存储在内存中的实现方法
  • 怎么在智能合约中植入deepseek
  • 驱动开发系列37 - Linux Graphics 2D 绘制流程(二)- 画布创建和窗口关联
  • B. Longest Divisors Interval
  • 前端与后端的对接事宜、注意事项