自动分析:基于深度学习的侧通道分析中的自动化分析
Yimeng Chen1, Bo Wang1, Changshan Su1
1Phytium Research Center, Phytium Technology Co., Ltd., 300459, Tianjin, China.
概括
通过定制贝叶斯优化,AutoProfile增强了侧通道分析的深度学习 (DL). 这种新的方法大大减少了破解加密系统所需的数据,
科学领域:
- 加密和信息安全
- 机器学习应用
背景情况:
- 侧通道分析 (SCA) 利用泄露的信息从加密系统中提取数据.
- 深度学习 (DL) 对SCA来说是有前途的,但网络建设仍然是一个挑战.
研究的目的:
- 引入AutoProfile,这是一种改进基于DL的对加密系统的分析攻击的新方法.
- 通过优化DL网络选择来提高SCA的有效性.
主要方法:
- 在贝叶斯优化中为SCA定制建模策略和获取函数.
- 该方法使用公开可用的数据集和真实侧通道测量进行了评估.
- 性能与强大的加密目标的最先进方法进行了比较.
主要成果:
- 与现有最先进的方法相比,AutoProfile的平均性能提高了78.4%.
- 对于具有掩盖,随机延迟和关键变异对策的目标, 自动配置程序从数千个减少到数十个.
- 与基线方法相比,AutoProfile在所有测试的SCA数据集中更快地识别了有效的DL网络.
结论:
- 自动配置文件显著提高了基于DL的SCA的效率和有效性.
- 这种方法在破解强大的加密系统时提供了实质性的优势,
- 自动配置文件提供了一个更快的方法来选择最佳的DL网络用于侧通道分析攻击.
