7、抵抗FPGA实现中集中式电磁旁道攻击的交错式抗EPE的PA - DPL结构

抵抗FPGA实现中集中式电磁旁道攻击的交错式抗EPE的PA - DPL结构

1. 引言

自Paul Kocher等人提出旁道攻击(SCA)以来,功耗和电磁(EM)攻击成为研究最多的攻击类型。双轨预充电逻辑(DPL)通过其真(T)轨和假(F)轨之间的互补行为,掩盖与数据相关的功耗或电磁变化,被实验证明是一种有效的SCA对策。

早期传播效应(EPE),也称为早期评估/预充电效应,揭示了传统DPL逻辑中可能影响T和F轨互补平衡的潜在缺陷。互补门(或FPGA上的查找表LUT)输入的到达时间差异,可能会产生与数据相关的功耗或电磁峰值,在FPGA实现中,由于路由资源的刚性,这一问题尤为关键。近年来,提出了一些修复EPE问题的对策,主要依赖于使用具有互补信号对的双轨复合门。PA - DPL(预充电吸收双轨预充电逻辑)结构旨在抵抗EPE问题,同时在Xilinx FPGA上实现相同的路由,但双核心的分离放置使其在面对集中式EM攻击时较为脆弱。

本文提出了一种行交叉交错结构,以最小化由非相同路由引起的双轨不平衡,保持互补网络对的相同路由,增强对集中式EM攻击的抵抗能力。同时,通过扩展信号的占空比,提高了最大工作频率。

2. 相关工作

旁道分析通过分析物理层面的旁道泄漏来揭示机密信息,物理层面的对策通常比算术保护具有更好的安全性能。然而,物理泄漏可能受到多种因素的影响,T和F轨之间的任何微小不对称都可能导致DPL结构中可检测到的不平衡补偿,如补偿偏差、开关时间摆动或毛刺。通常,路由长度和工艺变化是影响T和F轨补偿的两个重要因素。

2.1 早期传播效应问题

DPL是一种具有对称结构和镜像行为的常见逻辑类型,通过T和F

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
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