InfoNEAT：基于信息论的拓扑增强神经进化用于侧信道分析
密码学与安全
2022-10-18 v4
摘要
剖面侧信道分析（SCA）利用密码实现的泄露来提取密钥。当与神经网络（NNs）中的先进方法结合时，剖面SCA甚至可以成功攻击那些被认为可抵御SCA的密码核心。尽管致力于基于NN的SCA的研究数量在增加，一系列问题仍未得到解答，即：如何选择具有适当配置的NN、如何调整NN的超参数、何时停止训练等。我们提出的方法“InfoNEAT”以自然的方式解决了这些问题。InfoNEAT依赖于神经结构搜索的概念，并通过信息论度量来增强以引导进化、以新颖停止准则终止进化，并改善时间复杂度和内存占用。InfoNEAT的性能通过将其应用于由真实侧信道测量组成的公开数据集来评估。除了在NN自动配置方面的显著优势外，InfoNEAT在有效密钥恢复方面相较于其他方法在周期数（例如快6倍）和攻击轨迹数（相较于MLP和CNN少多达数千条轨迹以攻破设备）以及可训练参数数量（相较于MLP减少多达32倍）上均表现出显著改进。此外，通过实验证明，InfoNEAT的模型对轨迹中的噪声和去同步具有鲁棒性。
引用
@article{arxiv.2105.00117,
title = {InfoNEAT: Information Theory-based NeuroEvolution of Augmenting Topologies for Side-channel Analysis},
author = {Rabin Yu Acharya and Fatemeh Ganji and Domenic Forte},
journal= {arXiv preprint arXiv:2105.00117},
year = {2022}
}