基于CBAPD网络的侧信道攻击

侧信道攻击是一类强大的密码分析攻击, 自该理论提出以来受到了密码学界的广泛关注. 近年来深度学习技术被越来越多地应用于侧信道攻击领域, 其中如何提升深度学习模型的性能是研究的热点. 本文根据攻击目标数据的特点, 提出了一种新的卷积神经网络结构CBAPD, 此网络将卷积层中的激活函数去除, 然后在卷积层后加入了批标准化层, 并且在批标准化层后加入一个激活层来激活敏感信息. 为评估模型的性能, 在两个公开数据集ASCAD和DPA-contest v4上进行了测试. 实验结果表明, 本文所提出的CBAPD网络在ASCAD同步数据集上仅需要50条能量迹就可以攻击成功, 在最大异步量为50和100个样本...

Full description

Saved in:
Bibliographic Details
Published inJournal of Cryptologic Research Vol. 9; no. 2; p. 308
Main Authors ZHENG, Dong, Ya-Ning, LI, ZHANG, Mei-Ling, 郑东, 李亚宁, 张美玲
Format Journal Article
LanguageChinese
Published Beijing Chinese Association for Cryptologic Research, Journal of Cryptologic Research 01.01.2022
Subjects
Artificial neural networks
Cryptography
Datasets
Performance evaluation
Online AccessGet full text
ISSN2097-4116
DOI10.13868/j.cnki.jcr.000521

Cover

More Information
Summary:侧信道攻击是一类强大的密码分析攻击, 自该理论提出以来受到了密码学界的广泛关注. 近年来深度学习技术被越来越多地应用于侧信道攻击领域, 其中如何提升深度学习模型的性能是研究的热点. 本文根据攻击目标数据的特点, 提出了一种新的卷积神经网络结构CBAPD, 此网络将卷积层中的激活函数去除, 然后在卷积层后加入了批标准化层, 并且在批标准化层后加入一个激活层来激活敏感信息. 为评估模型的性能, 在两个公开数据集ASCAD和DPA-contest v4上进行了测试. 实验结果表明, 本文所提出的CBAPD网络在ASCAD同步数据集上仅需要50条能量迹就可以攻击成功, 在最大异步量为50和100个样本点的数据集上分别需要160和1850条能量迹就可以使rank值降到0并保持不变. 在DPA-contest v4数据集上, CBAPD模型仅需要3条能量迹即可攻击成功. 同时, 通过对比2019年Benadjila等人所提出的 CNNbest, 2020年陈等人所提出的SincNet网络和Zaid等人所提出的模型, CBAPD模型在最大异步量为50个样本点的ASCAD数据集上成功攻击时所需能量迹可减少34.426%~96.8%. 而在DPA-contest v4数据集上, CBAPD模型与Zaid等人所提出的模型攻击效果相同, 且优于其他两个模型. 因此, 本文所提出的CBAPD模型在不同的数据集上均有良好的表现.
Bibliography:ObjectType-Article-1
SourceType-Scholarly Journals-1
ObjectType-Feature-2
content type line 14
ISSN:2097-4116
DOI:10.13868/j.cnki.jcr.000521