Con el desarrollo de la inteligencia artificial (IA), el aprendizaje profundo se utiliza ampliamente en diversas industrias. En CRYPTO 2019, los investigadores utilizaron el aprendizaje profundo para analizar el cifrado de bloques por primera vez y construyeron un distinguidor de red neuronal diferencial para lograr una cierta precisión. En este documento, se propone un distinguidor de red neuronal diferencial mixto utilizando ResNet para mejorar aún más la precisión explorando las propiedades diferenciales mixtas. Se realizaron experimentos en SIMON32/64, y la precisión del distinguidor de red neuronal diferencial mixto de 8 rondas se mejoró del 74.7% al 92.3%, en comparación con la del distinguidor de red neuronal diferencial previo. La precisión de predicción del distinguidor de red neuronal diferencial es susceptible a la elección de las diferenciales de entrada especificadas, mientras que el distinguidor de red neuronal diferencial mixto se ve menos afectado por la diferencia de entrada y tiene una mayor robustez. Además, mediante la combinación de la expansión probabilística de rondas y el bit neutral, el distinguidor de red neuronal diferencial mixto obtenido se extiende a 11 rondas, lo que puede realizar un ataque real de recuperación de clave de 12 rondas en SIMON32/64. Con un aumento adecuado en la complejidad temporal y la complejidad de datos, la precisión de recuperación de clave del distinguidor de red neuronal diferencial mixto puede mejorarse al 55% en comparación con el 52% del distinguidor de red neuronal diferencial. El distinguidor de red neuronal diferencial mixto propuesto en este documento también se puede aplicar a otros cifrados de bloques ligeros.