显示器电磁信息泄漏的机器学习检测方法研究

• 作者: 关天敏 韩振中 茅剑
• 来源期刊: 信息安全学报
• 关键词: 电磁信息泄漏 电磁辐射 信息安全 机器学习 卷积神经网络 计算机显示器 TEMPEST
• 年，卷（期）: 2021,（2）
• 页码范围: 101-109
• 页数: 9页
• 分类号: TP319
• 语种: 中文
• DOI: 10.19363/J.cnki.cn10-1380/tn.2021.03.07

摘要

根据电磁学原理,在操作电子信息设备的过程中会产生无意的电磁辐射.电磁辐射会引发信息泄漏,给信息安全造成严重威胁.面向计算机显示器的电磁信息安全问题,提出基于机器学习的电磁信息泄漏检测方法.针对电磁泄漏信号的特点,设计了MGCNN卷积神经网络.利用其独特的卷积和池化处理能力,提取显示器电磁频谱信号中图像信息的多层次特征,克服了传统检测方法需要事前明确电磁信息特征和缺乏自适应能力的缺陷,从而有效地解决电磁信号中的信息泄漏检测问题.通过实测对比,证明了MGCNN对于显示器的电磁信息泄漏检测的有效性.