効率的なAESサイドチャネル攻撃は,残りのMamba Enhanced CNNに基づいています
Zhaobin Li1, Chenchong Du1, Xiaoyi Duan1
1Beijing Electronic Science and Technology Institute, Beijing 100070, China.
Entropy (Basel, Switzerland)
|August 28, 2025
まとめ
この研究は,AES実装における強化されたサイドチャネル攻撃 (SCA) の効率化のための新しいディープラーニングモデルを導入します. ハイブリッドアーキテクチャは既存の方法を大幅に上回り,最小限のデータでトップランクの攻撃を達成します.
科学分野:
- 暗号化とセキュリティエンジニアリング
- 人工知能と機械学習
- コンピュータ・アーキテクチャと組み込みシステム
背景:
- ディープラーニングの方法は,高度な機能抽出により,サイドチャネル攻撃 (SCA) にますます重要になっています. 伝統的なコンボリューションニューラルネットワーク (CNN) は,攻撃効率に影響を与える長距離連続データモデリングの限界を示しています.
- SCAにおけるより効果的なディープラーニングモデルの必要性は,洗練された攻撃技術の継続的な進歩によって引き起こされています.
研究 の 目的:
- アドバンスト・エンクリプション・スタンダード (AES) の実装におけるサイド・チャネル情報の改良モデリングのための新しいハイブリッド・ディープ・ニューラル・ネットワーク・アーキテクチャを提案する.
- ディープラーニングベースのサイドチャネル攻撃の効率と汎用性を高める.
主な方法:
- 残留マンバブロックと多層感知子 (MLP) を統合したハイブリッド深層ニューラルネットワークが開発されました.
- レジデュアル・マンバ・モジュールは,長距離依存関係を把握し,グローバル・タイムパーセプションを改善するために,ステート・スペース・モデリングを使用します.
- MLPモジュールは高次元の特徴のさらなる融合に使用されました.
主要な成果:
- 提案されたモデルは,AESのASCADデータセットで100以上の攻撃トレースで推測エントロピー (GE) ランク1を達成した.
- 実験結果は,従来のCNNとトランスフォーマーベースのモデルと比較して優れた性能を示しています.
- このモデルは,高速な収束と高い攻撃効率を示した.
結論:
- 開発されたハイブリッド深層ニューラルネットワークは,サイドチャネル解析における深層学習のための効果的な新しいパラダイムを提供します.
- この発見は,高度なサイドチャネル攻撃に対する暗号化実装の保護において,重要な理論的および実用的な意味を持つ.
- 提案されたアーキテクチャは,連続的な情報のモデリングを強化し,より効率的で一般的なSCAにつながります.