معرفی حمله بده‌بستان زمانحافظه (tmto) بر توابع چکیده‌‌ساز

در این مقاله به معرفی حمله tmto و نحوه پیدا کردن نزدیک برخوردها در یک تابع چکیده ساز پرداخته شده است. با در نظر گرفتن محاسبات چکیده ساز، محاسبه یک حد پایین برای پیچیدگی الگوریتم های نزدیک برخورد و ساخت یک الگوریتم مطابق با آن آسان است؛ با این حال، این الگوریتم نیاز به مقدار زیادی حافظه دارد و موجب استفاده از حافظه می شود. به تازگی، چند الگوریتم بدون نیاز به این مقدار حافظه ارائه شده اند. این الگوریتم ها نیاز به مقدار بیشتری از محاسبات چکیده ساز دارند؛ اما این حمله در واقعیت عملی تر است. این دسته از الگوریتم ها را به دو دسته اصلی می توان تقسیم کرد: گروهی مبتنی بر کوتاه سازی و گروهی دیگر مبتنی بر کد های پوششی هستند. در این کار، بده بستان زمان حافظه برای الگوریتم های مبتنی بر کوتاه سازی در نظر گرفته شد. برای پیاده سازی عملی، می توان فرض کرد مقداری از حافظه موجود است و نشان داد که با استفاده از این حافظه قابل توجه پیچیدگی را می توان کاهش داد؛ در مرحله بعد، با استفاده از برخورد های متعدد براساس جدول هلمن، بهبود شناخته شده ترین بده بستان زمان حافظه، برای kدرخت ارائه شد. در نتیجه، منحنی بده بستان جدید به دست آورده شد، با در نظرگرفتن k = 4 منحنی بده بستان به شکل خواهد بود. در این مقاله، ابتدا روش های tmto و سپس نحوه پیدا کردن نزدیکبرخورد با استفاده از tmto شرح داده می شود.

Introduction of TMTO attack on Hash Functions

In this article, we introduce Time Memory Trade Off attack and a method for finding near collisions in a hash function. By considering hash computations, it is easy to compute a lower bound for the complexity of nearcollision algorithms, and to construct matching algorithm. However, this algorithm needs a lot of memory, and uses memory accesses. Recently, some algorithms have been proposed that do not require this amount of memory. They need more hash evaluation, but this attack is actually more practical. These algorithms can be divided in two main group: the first group is based on truncation and the second group is based on covering codes. In this paper, we consider the first group that is based on truncation. For practical implementation, it can be assumed that some memory is available, Leurent [10] showed that it is possible to reduce the complexity significantly by using this memory. In the next step, Sasaki et al. [9] proposed improvement of most popular Time Memory Trade off for Ktree algorithm by using multicollision based on Helman’s table. As a result, they obtained new trade off curve that for k=4 the tradeoff curve will be . In this article, at the first the methods of TMTO, and then the method of finding nearcollision by using TMTO are explained.