超越TVLA：基于Anderson-Darling检验的神经网络侧信道泄漏检测
密码学与安全
2026-03-20 v1 人工智能
摘要
基于Welch t检验的 Test Vector Leakage Assessment (TVLA) 已成为检测侧信道泄漏的标准工具。然而，其基于均值的性质在泄漏主要表现为更高阶分布差异时可能限制灵敏度。如我们实验所示，这一特性在评估神经网络实现时尤为关键。本文提出 Anderson-Darling Leakage Assessment (ADLA)，一种应用双样本 Anderson-Darling 检验进行泄漏检测的框架。与TVLA不同，ADLA 检验完整累积分布函数的相等性，不依赖纯粹的均值迁移模型。我们在在MNIST上训练的多层感知器(MLP)上对ADLA进行评估。我们考虑采用混乱和随机抖动防护措施的受保护实现。我们的结果表明，ADLA 在受保护实现中能够以较少的样本数提供 improved 的泄漏检测灵敏度。
引用
@article{arxiv.2603.18647,
title = {Beyond TVLA: Anderson-Darling Leakage Assessment for Neural Network Side-Channel Leakage Detection},
author = {Ján Mikulec and Jakub Breier and Xiaolu Hou},
journal= {arXiv preprint arXiv:2603.18647},
year = {2026}
}