一种基于迁移学习的格密码侧信道分析方法

    公开(公告)号:CN117499035A

    公开(公告)日:2024-02-02

    申请号:CN202311478951.5

    申请日:2023-11-07

    Abstract: 本发明公开了一种基于迁移学习的格密码侧信道分析方法,包括以下步骤:S1、采集功耗曲线,获得卷积神经网络的输入数据和标签;使用chunk‑β方法训练卷积神经网络,获得原始模型;S2、利用迁移学习的思想,将原始模型的特征和模式迁移到新的数据集上进行训练;S3、借助域自适应原则,将最大平均差异MMD损失引入到non‑profiled中;S4、使用皮尔逊系数的绝对值计算相关性从已知的字段候选者选择预测的字段候选者。本发明的方法旨在针对格密码算法中的关键数据进行获取,能够为格密码算法提供基于迁移学习的侧信道分析。

    基于深度学习的密码芯片侧信道泄露可视化定位方法

    公开(公告)号:CN115580392A

    公开(公告)日:2023-01-06

    申请号:CN202211163860.8

    申请日:2022-09-23

    Abstract: 本发明提出了一种基于深度学习的密码芯片侧信道泄露可视化定位方法,针对密码芯片中应用的加密算法,利用集成的解析工具提取信号跳变和信号值,并构造电路图,通过深度模型对其训练学习,然后借助信号的泄露梯度值可视化,从而定位密码硬件设计中可能存在的侧信道泄露。本方法首先通过解析工具从加密算法FPGA实现生成的VCD文件中提取相关模块的信号跳变次数和信号值,并构造信号向量,然后利用CNN模型训练得到分类器,最后基于分类器获得的信号泄露梯度值的可视化和电路图,进而实现泄露的定位。本发明的方法能够适用于不同加密方案下的侧信道泄露可视化定位。

Patent Agency Ranking