基于树突网络的侧信道攻击∗

摘要：

由于深度学习对数据内在特征的敏感性,将深度学习算法应用于硬件加密芯片的侧信道分析,提高了侧信道分析的效率和准确率.但深度神经网络学习算法依旧是非线性结构未知的深层黑盒模型,模型结构和性能不一定是最优.该文提出一种基于树突网络的侧信道分析方法,由于树突网络内部非线性结构的可解释性,其系统辨识能力和运算复杂度均优于深度学习网络.在ChipWhisperer侧信道分析实验平台的CW308T-STM32F3和ATXMEGA128D4目标板上,针对AES-128加密算法进行侧信道分析实验,实验结果表明,基于树突网络的侧信道分析在模型参数规模、攻击精度、训练时间等方面都要优于多层感知机、卷积神经网络、循环神经网络等深度学习模型.

关键词：侧信道攻击、树突网络、深度学习、高级加密标准

所属期刊栏目：43

分类号：O152.1(代数、数论、组合理论)

资助基金：国家自然科学基金61973109

在线出版日期：2021-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：16-30