SCARL：基于强化学习的 Ascon 认证密码侧信道分析
密码学与安全
2020-06-09 v1 信息论
math.IT
摘要
现有的侧信道分析技术需要以先验知识或一组训练数据形式的泄漏模型，来建立秘密数据与测量值之间的关系。我们提出了基于强化学习的侧信道分析（SCARL），能够以无监督学习方式提取测量值的数据相关特征，且不需要关于泄漏模型的先验知识。SCARL 由一个自编码器（用于将功耗测量的信息编码为内部表示）和一个强化学习算法（用于提取关于秘密数据的信息）组成。我们采用带 actor-critic 网络的强化学习算法，以识别能够使得自编码器表示的簇间分离最大的合适泄漏模型。SCARL 假设通用非线性泄漏模型的低阶分量对敏感数据泄漏的贡献更大。在 Artix-7 FPGA 上轻量级实现的 Ascon 认证密码中，SCARL 能够在密码的密钥插入或初始化阶段使用 24K 条功耗轨迹恢复出秘密密钥。我们还证明，DPA 和 CPA 等经典技术使用传统线性泄漏模型和超过 40K 条功耗轨迹无法识别出正确密钥。
引用
@article{arxiv.2006.03995,
title = {SCARL: Side-Channel Analysis with Reinforcement Learning on the Ascon Authenticated Cipher},
author = {Keyvan Ramezanpour and Paul Ampadu and William Diehl},
journal= {arXiv preprint arXiv:2006.03995},
year = {2020}
}
备注
25 pages, 11 figures, submitted to ACM JETC