5、基于模板攻击重构8位设备上SHA - 3输入及多项式MAC方案侧信道分析

基于模板攻击重构8位设备上SHA - 3输入及多项式MAC方案侧信道分析

1. SHA - 3输入重构的模板攻击
1.1 第1层:生成字节行表

在中间状态α′₀和β₀之间是步骤χ,它可以在一个字节行内计算,不受其他字节行的影响。这使得我们可以将这些中间状态的组合拆分为40个相互独立的部分。我们以第一个字节行(j = 0, k = 0)为例进行说明。
操作步骤如下:
1. 初始化要在结果字节行排名表中收集的组合数T为2500。
2. 第一个字节行中状态α′₀的五个字节分别为α′₀[0, 0, 0]、α′₀[1, 0, 0]、α′₀[2, 0, 0]、α′₀[3, 0, 0]、α′₀[4, 0, 0],用五个变量A′₀、A′₁、A′₂、A′₃、A′₄表示它们的值。
3. 使用模板攻击提供的高斯多元概率密度值作为似然函数,如L(α′₀[0, 0, 0] = A′₀) = fα′₀ 0,0,0
4. 利用这五个字节的排名表构建枚举树,按字节行联合似然的降序搜索前T个组合。假设相互独立,第一个字节行的联合似然估计为:
[L_{row}(\alpha’ 0[\cdot, 0, 0] = (A’_0, A’_1, A’_2, A’_3, A’_4)) := \prod {i = 0}^{4}L(\alpha’ 0[i, 0, 0] = A’_i)]
5. 前T个组合及其对应的联合似然形成该字节行的截断排名表。
6. 对于这T个组合,计算该字节行中状态β₀的值:
[(B

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值