基于学习去噪与分类的电磁侧信道攻击
密码学与安全
2020-04-29 v1 机器学习
信号处理
摘要
本文提出一种升级的电磁侧信道攻击，可自动重建截获数据。引入了一个新颖系统，该系统与泄漏信号截获并行运行，并实时捕获泄露数据。基于深度学习和字符识别，所提出的系统能够检索截获信号中超过 57% 的字符，无论信号类型是模拟还是数字。该方法还扩展至一个保护系统，当系统被攻破时触发警报，成功率超过 95%。基于软件定义无线电和图形处理单元架构，该解决方案可轻松部署到需要保密信息的现有信息系统中。
引用
@article{arxiv.1910.07201,
title = {Electro-Magnetic Side-Channel Attack Through Learned Denoising and Classification},
author = {Florian Lemarchand and Cyril Marlin and Florent Montreuil and Erwan Nogues and Maxime Pelcat},
journal= {arXiv preprint arXiv:1910.07201},
year = {2020}
}