基于Alexnet卷积神经网络的加密芯片模板攻击新方法

• 作者: 张阳 胡晓阳 郭东昕 陈开颜 魏延海
• 来源期刊: 计算机测量与控制
• 关键词: 加密芯片 卷积神经网络 模板分析 高级加密标准
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 设计与应用
• 页码范围: 246-249,254
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.10.053

摘要

针对经典高斯模板攻击存在的问题,在分析了卷积神经网络方法具有的优势的基础上,提出了一种基于卷积神经网络的加密芯片旁路模板攻击新方法;该方法可以有效地处理高维数据,且可以通过不断地调整网络权值与偏置实现对数据无限逼近,明确分类的精确关系,提高模板刻画精度;最后选取 AT89C5 2 微控制器 (单片机)运行的 AES加密算法第一轮异或操作为攻击点,与传统的模板攻击进行了对比实验,实验结果表明:虽然在匹配成功率方面稍低于传统的模板攻击,模型结构和超参数仍需要进一步优化,但新方法在处理高维特征点方面较传统的模板攻击具有较大优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏延海	陆军工程大学石家庄校区装备模拟训练中心	5	2	1.0	1.0
2	张阳	陆军工程大学石家庄校区装备模拟训练中心	14	3	1.0	1.0
3	胡晓阳	陆军工程大学石家庄校区装备模拟训练中心	8	2	1.0	1.0
4	陈开颜	陆军工程大学石家庄校区装备模拟训练中心	12	3	1.0	1.0
5	郭东昕	陆军工程大学石家庄校区装备模拟训练中心	7	3	1.0	1.0