基于VGGNet卷积神经网络的加密芯片模板攻击新方法

• 作者: 张晓宇 张阳 李健龙 郭东昕 陈开颜
• 来源期刊: 计算机应用研究
• 关键词: VGGNet模型 加密芯片 模板攻击 能量分析
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 信息安全技术
• 页码范围: 2809-2812,2855
• 页数: 5页
• 分类号: TN918
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.04.0255

摘要

针对传统模板分析在实际攻击中的难解问题,重点研究了在图像识别领域具有优异特征提取能力的VGGNet网络模型,提出了一种基于VGGNet网络模型的模板攻击新方法.为了防止信号质量对模型准确率带来较大影响,采用相关性能量分析方法对采集到的旁路信号质量进行了检验;为了适应旁路信号数据维度特征,对网络模型结构进行适度调整;在网络训练的过程中,对梯度下降速率较慢、梯度消失、过拟合等问题进行了重点解决,并采用5折交叉验证的方法对训练好的模型进行验证.最终实验结果表明,基于VGGNet模型的测试成功率为92.3％,较传统的模板攻击效果提升了7.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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
2	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
3	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
4	李健龙	陆军工程大学石家庄校区装备模拟训练中心	4	7	2.0	2.0