典型文献
基于CBAPD网络的侧信道攻击
文献摘要：
侧信道攻击是一类强大的密码分析攻击,自该理论提出以来受到了密码学界的广泛关注.近年来深度学习技术被越来越多地应用于侧信道攻击领域,其中如何提升深度学习模型的性能是研究的热点.本文根据攻击目标数据的特点,提出了一种新的卷积神经网络结构CBAPD,此网络将卷积层中的激活函数去除,然后在卷积层后加入了批标准化层,并且在批标准化层后加入一个激活层来激活敏感信息.为评估模型的性能,在两个公开数据集ASCAD和DPA-contest v4上进行了测试.实验结果表明,本文所提出的CBAPD网络在ASCAD同步数据集上仅需要50条能量迹就可以攻击成功,在最大异步量为50和100个样本点的数据集上分别需要160和1850条能量迹就可以使rank值降到0并保持不变.在DPA-contest v4数据集上,CBAPD模型仅需要3条能量迹即可攻击成功.同时,通过对比2019年Benadjila等人所提出的CNNbest,2020年陈等人所提出的SincNet网络和Zaid等人所提出的模型,CBAPD模型在最大异步量为50个样本点的ASCAD数据集上成功攻击时所需能量迹可减少34.426％～96.8％.而在DPA-contest v4数据集上,CBAPD模型与Zaid等人所提出的模型攻击效果相同,且优于其他两个模型.因此,本文所提出的CBAPD模型在不同的数据集上均有良好的表现.
文献关键词：
侧信道攻击;深度学习;卷积神经网络;AES
中图分类号：
作者姓名：
郑东;李亚宁;张美玲
作者机构：
西安邮电大学无线网络安全技术国家工程实验室, 西安 710121
文献出处：
引用格式：
[1]郑东;李亚宁;张美玲-.基于CBAPD网络的侧信道攻击)[J].密码学报,2022(02):308-321
A类：
CBAPD,ASCAD,Benadjila,CNNbest,Zaid
B类：
侧信道攻击,密码分析,分析攻击,密码学,深度学习技术,深度学习模型,攻击目标,神经网络结构,卷积层,激活函数,批标准化层,敏感信息,公开数据集,DPA,contest,v4,步数,能量迹,大异,异步,样本点,rank,可攻,SincNet,上成,模型攻击,AES
AB值：
0.260686
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
