基于流形学习能量数据预处理的模板攻击优化方法
能量数据作为模板攻击过程中的关键对象,具有维度高、有效维度少、不对齐的特点,在进行有效的预处理之前,模板攻击难以奏效.针对能量数据的特性,该文提出一种基于流形学习思想进行整体对齐的方法,以保留能量数据的变化特征,随后通过线性投影的方法降低数据的维度.使用该方法在Panda 2018 challenge1标准数据集进行了验证,实验结果表明,该方法的特征提取效果优于传统的PCA和LDA方法,能大幅度提高模板攻击的成功率.最后采用模板攻击恢复密钥,仅使用两条能量迹密钥恢复成功率即可达到80%以上.
信息安全、模板攻击、流形学习、能量数据、对齐算法、降维算法
42
TP309.7(计算技术、计算机技术)
国家自然科学基金;河南省网络密码技术重点实验室开放基金;"十三五"国家密码发展基金
2020-08-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
1853-1861