發(fā)布時(shí)間：2022-01-04 15:26

　　能量數(shù)據(jù)作為模板攻擊過程中的關(guān)鍵對(duì)象,具有維度高、有效維度少、不對(duì)齊的特點(diǎn),在進(jìn)行有效的預(yù)處理之前,模板攻擊難以奏效。針對(duì)能量數(shù)據(jù)的特性,該文提出一種基于流形學(xué)習(xí)思想進(jìn)行整體對(duì)齊的方法,以保留能量數(shù)據(jù)的變化特征,隨后通過線性投影的方法降低數(shù)據(jù)的維度。使用該方法在Panda 2018 challenge1標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,該方法的特征提取效果優(yōu)于傳統(tǒng)的PCA和LDA方法,能大幅度提高模板攻擊的成功率。最后采用模板攻擊恢復(fù)密鑰,僅使用兩條能量跡密鑰恢復(fù)成功率即可達(dá)到80%以上。 

【文章來源】：電子與信息學(xué)報(bào). 2020,42(08)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

PANDA 2018 Challenge1前3條能量跡

PCA和LDA是廣泛應(yīng)用于機(jī)器學(xué)習(xí)的數(shù)據(jù)預(yù)處理方法，與機(jī)器學(xué)習(xí)經(jīng)常處理的其他數(shù)據(jù)不同，能量數(shù)據(jù)的有效維度如圖2所示，其占比少于5%，而其他的數(shù)據(jù)如人臉識(shí)別、醫(yī)療、生物等數(shù)據(jù)的有效維度占比達(dá)70%以上。也就是說，對(duì)能量數(shù)據(jù)進(jìn)行PCA和LDA時(shí)，能量數(shù)據(jù)中的大多數(shù)維度作為噪聲分量，因?yàn)橥瑯泳哂忻黠@的特征，也被保留下來。當(dāng)使用PCA和LDA算法，提取能量數(shù)據(jù)中的特征向量時(shí)，也會(huì)因噪聲分量過大而影響密鑰恢復(fù)的效率。3 基于流形學(xué)習(xí)與線性降維的預(yù)處理方法改進(jìn)

使用改進(jìn)后的方法進(jìn)行預(yù)處理后的數(shù)據(jù)，相比于目前常用的PCA和LDA，如圖4(b)所示，相較圖5(b)和5(d)，具有更為良好的類內(nèi)一致性，而如圖4(a)所示，相較于圖5(a)和5(c)，具備較高的類間差異性，表明本文提出的預(yù)處理方法的優(yōu)越性。圖4 PANDA 2018 Challenge1能量跡降維后

【參考文獻(xiàn)】：
期刊論文
[1]對(duì)加掩加密算法的盲掩碼模板攻擊[J]. 王燚,吳震,藺冰.  通信學(xué)報(bào). 2019(01)
[2]基于隨機(jī)加法鏈的高級(jí)加密標(biāo)準(zhǔn)抗側(cè)信道攻擊對(duì)策[J]. 黃海,馮新新,劉紅雨,厚嬌,趙玉迎,尹莉莉,姜久興.  電子與信息學(xué)報(bào). 2019(02)



本文編號(hào)：3568590