确保电磁侧信道分析的跨设备可移植性
密码学与安全
2023-12-19 v1
摘要
对智能设备的调查已成为数字取证中的一个重要子领域。智能设备固有的多样性和复杂性对在不对其进行物理篡改的情况下提取证据构成了挑战，而这在执法和法律程序中通常是严格的要求。最近，这促使了非侵入式电磁侧信道分析 (EM-SCA) 作为一种新兴方法被应用于从智能设备中提取取证信息。用于数字取证的 EM-SCA 仍处于起步阶段，迄今为止仅在少量设备上进行了测试。最重要的是，EM-SCA 中的机器学习 (ML) 模型是否能够跨多台设备移植以在数字取证中发挥作用，即跨设备可移植性，这一问题仍有待解答。本研究使用大量智能设备对 EM-SCA 的这一方面进行了实验探索。使用各种 iPhone 和 Nordic Semiconductor nRF52-DK 设备进行的实验表明，在多台相同设备间直接应用预训练 ML 模型并未产生最佳结果（在大多数情况下准确率低于 20%）。随后的实验包括从所有设备中收集不同的 EM 迹线样本，以利用混合设备数据训练新的 ML 模型；这也未达到预期（准确率仍低于 20%）。这促使我们采用迁移学习技术，该技术在跨模型实现中展现出了前景。特别是，对于 iPhone 13 和 nRF52-DK 设备，应用迁移学习技术获得了最高准确率，准确率分别达到 98% 和 96%。这一结果通过实现在相同或相似设备间使用预训练模型，推动了 EM-SCA 在数字取证应用中的重大进展。
引用
@article{arxiv.2312.11301,
title = {Ensuring Cross-Device Portability of Electromagnetic Side-Channel Analysis},
author = {Lojenaa Navanesana and Nhien-An Le-Khac and Mark Scanlon and Kasun De Zoysa and Asanka P. Sayakkara},
journal= {arXiv preprint arXiv:2312.11301},
year = {2023}
}