13、基于神经网络的功耗分析优化与二阶攻击时频分析

基于神经网络的功耗分析优化与二阶攻击时频分析

在密码学领域，功耗分析和侧信道攻击是重要的研究方向。本文将介绍基于神经网络的功耗分析优化方法以及二阶攻击的时频分析技术，旨在提高密钥分类的成功率和攻击效率。

基于神经网络的功耗分析优化

在首次实现的功耗分析中，虽然取得了有希望的结果，但成功率并不理想。因此，研究人员尝试了优化实现，以提高所选的最高概率，从而减少错误分类的密钥。

优化方法基于多层感知器，通过计算平均轨迹和后续的差分功耗轨迹对测量的功耗轨迹进行预处理。这些功率模式用于神经网络训练，并在攻击阶段使用。

优化效果

• 错误分类减少 ：通过对比首次实现和优化实现的结果，错误分类从16个减少到9个，改善了43%。优化方法在96.5%的情况下识别出了正确的密钥值，在重复测试中，正确分类率达到了95 - 98%。
• 概率分布改善 ：从优化实现的最高概率直方图可以看出，10% - 70%的概率平均仅出现5次，70%和80%的概率分别出现10次和15次，而90% - 100%的概率出现了205次。优化后，潜在错误分类的密钥总数从20%减少到5%。

概率范围	出现次数
10% - 70%	5
70%	10