21、基于深度学习的侧信道分析中的彩票假说

基于深度学习的侧信道分析中的彩票假说

1. 数据集介绍

在侧信道分析（SCA）的研究中，数据集的选择至关重要。这里主要介绍两个数据集：
- ASCAD 数据集 ：对于 ASCAD 数据集，第三个密钥字节是第一个掩码字节。对于固定密钥的 ASCAD，使用预选择的 700 个特征窗口；对于随机密钥的 ASCAD，窗口大小为 1400 个特征。
- CHES CTF 2018 数据集 ：该数据集指的是 2018 年为密码硬件与嵌入式系统会议（CHES）发布的 CHES 夺旗赛（CTF）AES - 128 数据集。迹线由在 32 位 STM 微控制器上运行的掩码 AES - 128 加密组成。训练集（CHES CTF 设备 C）使用 45,000 条迹线，包含固定密钥；攻击集由 5000 条迹线（CHES CTF 设备 D）组成。训练集和验证集使用的密钥与测试集配置的密钥不同。原始迹线每条有 650,000 个特征，经过预处理后，得到的迹线有 2200 个特征。

2. 相关工作

在基于机器学习的 SCA 中，寻找性能良好的神经网络是一个热门的研究方向。以下是一些相关工作的介绍：
- 早期工作 ：早期的工作通常考虑多层感知器（MLP），并取得了不错的结果，但关于超参数调整或最佳架构的细节并不多。
- 卷积神经网络的引入 ：2016 年，Maghrebi 等人研究了卷积神经网络（CNN）在 SCA 中的性能，开启了一系列使用深度学习技术（主要是 MLP 和 CNN）有效破解各种目标的工作。