使用迭代迁移学习提高基于位置的热量辐射侧信道分析性能
机器学习
2024-12-31 v1 密码学与安全
摘要
本文提出了将迭代迁移学习应用于深度学习模型以进行侧信道攻击的方法。目前，大多数侧信道攻击方法为攻击每个单独字节分别训练模型，而不考虑字节之间的相关性。然而，由于针对不同字节的模型参数可能相似，因此可以利用迁移学习，即先对其中一个关键字节训练模型，然后将训练好的模型作为剩余字节的预训练模型。这种技术可以应用于迭代过程中，称为迭代迁移学习。实验结果表明，当使用热或功耗映射图像作为输入，并使用多层感知器或卷积神经网络作为模型时，我们的方法在平均性能上提高了尤其是在数据量不足时效果更为显著。
引用
@article{arxiv.2412.21030,
title = {Improving Location-based Thermal Emission Side-Channel Analysis Using Iterative Transfer Learning},
author = {Tun-Chieh Lou and Chung-Che Wang and Jyh-Shing Roger Jang and Henian Li and Lang Lin and Norman Chang},
journal= {arXiv preprint arXiv:2412.21030},
year = {2024}
}