近年來,深度學習技術(shù)廣泛應(yīng)用于側(cè)信道攻擊領(lǐng)域.本文提出了一種使用改進殘差網(wǎng)絡(luò)和數(shù)據(jù)增強技術(shù),直接恢復(fù)密鑰字節(jié)的能量分析攻擊方法.首先將殘差網(wǎng)絡(luò)模型中的二維卷積核改進為適用于處理能量跡的一維卷積核,然后使用數(shù)據(jù)增強技術(shù)對原始能量跡增加高斯噪聲和隨機相位抖動,最后使用訓練好的模型實現(xiàn)密鑰恢復(fù).通過實驗對現(xiàn)場可編程邏輯門陣列(FPGA)實現(xiàn)的AES分組密碼算法進行了攻擊,使用"分而治之"的策略,對128比特密鑰的最后8比特進行了恢復(fù),該模型平均測試精度達到65.48%,與卷積神經(jīng)網(wǎng)絡(luò)(CNN)和多層感知器(MLP)神經(jīng)網(wǎng)絡(luò)相比,同等條件下測試精度分別提高了16.63%和54.27%,并在ASCAD公開數(shù)據(jù)庫上對模型的性能進行評估.該模型使用數(shù)據(jù)增強技術(shù)解決了小樣本訓練問題,減少了訓練過程中過擬合現(xiàn)象的發(fā)生,模型對噪聲和相位抖動具有很強的魯棒性,通過改進結(jié)構(gòu)有效減少了模型參數(shù)和節(jié)省了計算資源,為密碼芯片能量分析攻擊提供了一種新的思路.

【文章頁數(shù)】：14 頁


本文編號：4028052