10、小波散射变换与集成方法在侧信道分析中的应用

小波散射变换与集成方法在侧信道分析中的应用

1. 方法介绍

提出的方法流程如下：
1. 小波散射变换（WST）预处理 ：将追踪信号映射到一个对平移和小变形稳定的时频空间。
2. 主成分分析（PCA）降维 ：减少数据维度，便于后续处理。
3. 二次判别分析（QDA）分类器 ：在预定义的标签上进行训练，输出预测结果。
4. 加权软投票（WSV）合并预测 ：通过迭代最小化交叉熵准则找到权重向量，评估每个分类器在全局预测中的贡献。

graph LR
    A[追踪信号] --> B[小波散射变换（WST）]
    B --> C[主成分分析（PCA）]
    C --> D[QDA分类器（Z、HW、bit0 - bit7）]
    D --> E[加权软投票（WSV）]
    E --> F[预测结果]

分类器训练的规范分区包括：
- 恒等映射（Id） ：$z \to z$
- 汉明重量（HW） ：$z \to HW(z)$
- 位值（Biti） ：$z \to (z \gg i) \& 1, \forall i \in {0, 1, …, 7}$

最优权重通过迭代最先进的梯度下降算法AMSGrad找到。 </