AutoProfile: ディープラーニングベースのサイドチャネル分析における自動プロファイリング
Yimeng Chen1, Bo Wang1, Changshan Su1
1Phytium Research Center, Phytium Technology Co., Ltd., 300459, Tianjin, China.
まとめ
AutoProfileは,ベイジアン最適化をカスタマイズすることによって,サイドチャネル分析 (SCA) のためのディープラーニング (DL) を強化します. この新しい方法は 強力な対抗手段を備えた暗号システムを 破るのに必要なデータを 大幅に削減します
科学分野:
- 暗号化と情報セキュリティ
- 機械学習アプリケーション
背景:
- サイドチャネル分析 (SCA) は,暗号化システムからデータ抽出のためにリークされた情報を活用します.
- ディープラーニング (DL) はSCAにとって有望ですが,ネットワーク構築は依然として課題です.
研究 の 目的:
- 暗号システムに対するDLベースのプロファイリング攻撃を改善するための新しい方法であるAutoProfileを導入します.
- 攻撃のプロファイリングのためのDLネットワークの選択を最適化することによってSCAの有効性を高める.
主な方法:
- AutoProfileは,SCAのためのベイジアン最適化内のモデリング戦略と取得関数をカスタマイズします.
- 方法論は,現実のサイドチャネル測定で公開されているデータセットを使用して評価されました.
- 性能は,強固な暗号化ターゲットの最先端の方法と比較されました.
主要な成果:
- 既存の最先端の方法と比較して,AutoProfileは平均78.4%の性能向上を達成しました.
- マスキング,ランダムな遅延,キーバリエーションの 対策を持つターゲットでは,AutoProfileは必要なトレースを数千から数十に大幅に削減しました.
- AutoProfileは,すべてのテストされたSCAデータセットで,ベースライン方法と比較して,効果的なDLネットワークのより迅速な識別を示しました.
結論:
- AutoProfileはDLベースのSCAの効率と効果を大幅に改善します.
- この方法は,最小限のデータ要求で堅牢な暗号システムを破るのに,実質的な利点を提供します.
- AutoProfileは,サイドチャネルプロファイリング攻撃のための最適なDLネットワークを選択するためのより迅速なアプローチを提供します.
