功耗分析攻击中机器学习模型选择研究

摘要：

根据密码芯片功耗曲线的特性,对支持向量机、随机森林、K最近邻、朴素贝叶斯4种机器学习算法进行分析研究,从中选择用于功耗分析攻击的最优算法.对于机器学习算法的数据选取问题,使用多组数量相同但组成元素不同的数据集的十折交叉验证结果进行模型选择,提高测试公平性及测试结果的泛化能力.为避免十折交叉验证过程中出现测试集误差不足以近似泛化误差的问题,采用Friedman检验及Nemenyi后续检验相结合的方法对4种机器学习算法进行评估,结果表明支持向量机是适用于功耗分析攻击的最优机器学习算法.

关键词：机器学习、十折交叉验证、Friedman检验、Nemenyi后续检验、功耗分析攻击

所属期刊栏目：45

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金61701008;中央高校基本科研业务费专项资金2017LG05

在线出版日期：2019-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：144-151,158