融合CNN_LSTM的侧信道攻击

摘要：

基于深度学习在侧信道攻击中的应用,在Chipwhisperer平台中实现AES算法,在其加密过程中测量相应能量迹,再利用CPA技术分析得出兴趣点位置,并针对兴趣点做出模型训练.在卷积神经网络(CNN),长短时记忆网络(LSTM)和CNN_LSTM混合模型三种网络模型上,结合数据预处理技术训练同步和异步能量迹.实验结果表明三种模型同步状态下的准确率相当,另外在保证模型训练参数不变的情况下逐渐增大异步数据时,三个模型训练集和测试集的准确率都在减少,但新提出的混合模型下降速度变化是最慢的,在实验异步数加大到50时,仍可以保证准确率在90％之上,即几乎一条能量迹就可恢复出正确密钥.所以,CNN_LSTM模型可以更好地适应能量迹发生异步的情况.

关键词：高级加密标准(AES)、侧信道攻击、卷积神经网络、长短时网络、深度学习

所属期刊栏目：59

分类号：TN918.4

资助基金：国家自然科学基金;国家自然科学基金;陕西省重点研发计划;青海省重点项目

在线出版日期：2023-03-30（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：268-276