...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of cryptographic engineering >Machine learning in side-channel analysis: a first study
【24h】

Machine learning in side-channel analysis: a first study

机译：旁通道分析中的机器学习：首次研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Electronic devices may undergo attacks going beyond traditional cryptanalysis. Side-channel analysis (SCA) is an alternative attack that exploits information leaking from physical implementations of e.g. cryptographic devices to discover cryptographic keys or other secrets. This work comprehensively investigates the application of a machine learning technique in SCA. The considered technique is a powerful kernel-based learning algorithm: the Least Squares Support Vector Machine (LS-SVM). The chosen side-channel is the power consumption and the target is a software implementation of the Advanced Encryption Standard. In this study, the LS-SVM technique is compared to Template Attacks. The results show that the choice of parameters of the machine learning technique strongly impacts the performance of the classification. In contrast, the number of power traces and time instants does not influence the results in the same proportion. This effect can be attributed to the usage of data sets with straightforward Hamming weight leakages in this first study.
机译：电子设备可能会遭受超越传统密码分析的攻击。边信道分析（SCA）是一种替代攻击，它利用了从物理实现中泄漏的信息，例如密码设备以发现密码密钥或其他秘密。这项工作全面研究了机器学习技术在SCA中的应用。所考虑的技术是一种基于内核的强大学习算法：最小二乘支持向量机（LS-SVM）。所选的边信道是功耗，目标是高级加密标准的软件实现。在这项研究中，将LS-SVM技术与模板攻击进行了比较。结果表明，机器学习技术的参数选择强烈影响分类的性能。相反，功率迹线和时间瞬间的数量不会以相同比例影响结果。这种影响可以归因于在这项首次研究中使用具有直接汉明权重泄漏的数据集。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号