针对密码芯片数据搬移能量曲线的机器学习攻击

• 作者: 唐有 张亮亮 张翌维 王新安
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 密码硬件 k近邻算法 机器学习 朴素贝叶斯 支持向量机 模板攻击
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 415-419
• 页数: 5页
• 分类号: TP309.7
• 字数: 5188字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2019.03.017

摘要

机器学习和传统侧信道攻击技术中的模板攻击有类似的处理过程,它们都由学习和测试两个阶段组成.模板攻击可以看作是有监督学习的分类技术,而机器学习领域也有很多这样的分类算法.为了探索机器学习算法在侧信道攻击中的应用,以实际密码芯片中的数据搬移操作为攻击对象,研究了一些机器学习算法利用已知搬移数据值的能量曲线,对新的能量曲线的搬移数据值的预测效果.结果表明,在采用一条能量曲线进行测试时,一些机器学习算法比模板攻击预测的正确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新安	北京大学信息科学技术学院	59	187	6.0	11.0
2	张翌维		7	23	3.0	4.0
3	唐有		2	1	1.0	1.0
4	张亮亮	北京大学信息科学技术学院	4	9	2.0	3.0