ASCENT：通过学习与蒙特卡洛树搜索放大侧信道韧性
密码学与安全
2024-07-02 v2 机器学习
摘要
电源侧信道（PSC）分析是保障密码学硬件安全的关键技术。以往的研究仅关注于从芯片设计自动化过程中获得的网表级别设计，忽略了设计自动化过程所带来的各种复杂性及其对安全性潜在影响。也就是说，传统的设计流程侧重于功耗、性能与面积（PPA），而将安全性置于次要位置。我们提出一种“安全优先”方法，优化逻辑综合阶段以提升PSC防御措施的整体韧性。我们引入ASCENT框架，基于学习与搜索技术，实现（i）大幅降低PSC后设计评估耗时，（ii）探索安全性与PPA之间的设计空间。因此，ASCENT能够高效探索大量候选网表，从而相较于常规PPA优化网表，显著提升PSC韧性。ASCENT在传统PSC分析中速度提升最高可达120倍，对最新PSC防御措施的PSC韧性提升最高可达3.11倍。
引用
@article{arxiv.2406.19549,
title = {ASCENT: Amplifying Power Side-Channel Resilience via Learning & Monte-Carlo Tree Search},
author = {Jitendra Bhandari and Animesh Basak Chowdhury and Mohammed Nabeel and Ozgur Sinanoglu and Siddharth Garg and Ramesh Karri and Johann Knechtel},
journal= {arXiv preprint arXiv:2406.19549},
year = {2024}
}
备注
Accepted at 2024 ACM/IEEE International Conference on Computer-Aided Design