基于SincNet 的侧信道攻击

• Published in: Journal of Cryptologic Research Vol. 7; no. 5; p. 583
• Main Authors: CHEN, Ping, WANG, Ping, Gao-Feng, DONG, Hong-Gang, HU, 陈平, 汪平, 董高峰, 胡红钢
• Format: Journal Article
• Language: Chinese
• Published: Beijing Chinese Association for Cryptologic Research, Journal of Cryptologic Research 01.01.2020
• Subjects: Algorithms; Artificial neural networks; Cryptography; Datasets; Effectiveness; Electromagnetic radiation; Machine learning; Power; Power consumption; Power management; Security
• ISSN: 2097-4116
• DOI: 10.13868/j.cnki.jcr.000391

侧信道攻击利用密码算法在物联网设备上执行时产生的时间、功耗、电磁辐射和故障输出等泄露来恢复密钥或者其他敏感信息, 它已经成为了加密安全设备的重要威胁之一. 近年来, 建模类侧信道攻击在加密算法安全性评估中发挥着重要的作用, 它被认为是现阶段最强大的攻击方法. 随后, 深度学习技术应用于建模类侧信道攻击, 并且在公开数据集上取得了良好的效果. 在本文中, 我们提出了一种优化的卷积神经网络侧信道攻击方法, 该方法将一种新的网络结构 SincNet 应用于侧信道攻击, SincNet 卷积层只需要学习滤波器的高和低两个截止频率, 相比于传统的卷积层, 学习的参数量更少. 为了检验该攻击方法的有效性, 我们使用公开的 ASCAD 数据集和 DPA contest v4.1 数据集对其进行评估. 实验结果表明, 我们在 ASCAD.h5 上仅需要 170 条能量轨迹就能恢复出正确的子密钥. 另外, 我们也在 ASCAD\_desync50.h5 和 ASCAD\_desync100.h5 这两个轨迹非对齐的数据集上进行评估, 该方法有效地缓解了轨迹非对齐造成的影响, 得到了优于 Prouff 等人在 2018 年的实验结果. 对于 DPA contest v4.1 数据集, 我们使用了 CNN 网络和 SincNet 网络对其进行训练和测试, 均可以达到很好的攻击效果, 仅需要一条能量轨迹就可以恢复出子密钥, 为了证明 SincNet 网络的有效性, 我们减少训练轨迹的条数, 发现 SincNet 网络能够使用更少的训练轨迹条数恢复出子密钥, 然后我们对经过 SincNet 层处理之后的能量轨迹作了相关性分析, 发现相关性得到了一定的提升.