针对密码芯片数据搬移能量曲线的机器学习攻击

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.

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

所属期刊栏目：48

分类号：TP309.7(计算技术、计算机技术)

资助基金：国家核高基科技重大专项2014ZX01032-204

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：415-419