一种基于神经网络的AES密码芯片电磁攻击方法及系统技术方案

本发明专利技术公开了一种基于神经网络的AES密码芯片电磁攻击方法及系统。该方法包括：构建训练数据集；所述训练数据集包括多类数据；构建神经网络模型；对所述训练数据集进行预处理；通过预处理后的训练集对所述神经网络模型进行训练；对待攻击数据进行预处理；利用32组训练好的神经网络模型对预处理后的待攻击数据进行分类预测，得到32组密钥；每组密钥包括4位密钥；将所述32组密钥组合，得到AES密码芯片的128位密钥。本发明专利技术能够针对密钥直接进行攻击，不需要确定中间某一步出现的位置，也不需要明文或者密文，直接分析出密钥的值。

A method and system of electromagnetic attack on AES cipher chip based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的AES密码芯片电磁攻击方法及系统
本专利技术涉及电磁分析攻击领域，特别是涉及一种基于神经网络的AES密码芯片电磁攻击方法及系统。
技术介绍
电磁分析攻击是侧信道攻击中的一种，通过采集与分析电磁泄露来获取密码芯片的密钥信息。常见的传统的电磁分析攻击方法有简单电磁分析攻击、相关性电磁分析攻击、差分电磁分析攻击、模板攻击等等。这些攻击方法通常会采用汉明重量或者汉明距离模型对加密过程中的某一步的中间值进行攻击，因此具有以下两个缺点：一是必须确定出其中某一步加密轮出现的位置，二是必须知道加密使用的明文或者密文，才能推导出密钥来。
技术实现思路
基于此，本专利技术的目的是提供一种基于神经网络的AES密码芯片电磁攻击方法及系统，针对密钥直接进行攻击，不需要确定中间某一步加密轮出现的位置，也不需要明文或者密文，能够直接分析出密钥的值。为实现上述目的，本专利技术提供了如下方案：一种基于神经网络的AES密码芯片电磁攻击方法，包括：构建训练数据集；所述训练数据集包括多类数据；构建神经网络模型；...

【技术保护点】
1.一种基于神经网络的AES密码芯片电磁攻击方法，其特征在于，包括：/n构建训练数据集；所述训练数据集包括多类数据；/n构建神经网络模型；/n对所述训练数据集进行预处理；/n通过预处理后的训练集对所述神经网络模型进行训练；/n对待攻击数据进行预处理；/n利用32组训练好的神经网络模型对预处理后的待攻击数据进行分类预测，得到32组密钥；每组密钥包括4位密钥；/n将所述32组密钥组合，得到AES密码芯片的128位密钥。/n

【技术特征摘要】
1.一种基于神经网络的AES密码芯片电磁攻击方法，其特征在于，包括：
构建训练数据集；所述训练数据集包括多类数据；
构建神经网络模型；
对所述训练数据集进行预处理；
通过预处理后的训练集对所述神经网络模型进行训练；
对待攻击数据进行预处理；
利用32组训练好的神经网络模型对预处理后的待攻击数据进行分类预测，得到32组密钥；每组密钥包括4位密钥；
将所述32组密钥组合，得到AES密码芯片的128位密钥。


2.根据权利要求1所述的基于神经网络的AES密码芯片电磁攻击方法，其特征在于，所述构建训练数据集，具体包括：
采用非攻击字段随机生成的密钥对电磁泄露数据进行加密；
通过随机算法进行生成的明文对电磁泄露数据进行加密；
对于攻击字段对应的每种类型，采集数量相同的电磁泄露数据。


3.根据权利要求1所述的基于神经网络的AES密码芯片电磁攻击方法，其特征在于，所述对所述训练数据集进行预处理，具体包括：
对所述训练数据集进行数据增强和归一化处理。


4.根据权利要求3所述的基于神经网络的AES密码芯片电磁攻击方法，其特征在于，对所述训练数据集进行数据增强处理，具体包括：
对所述训练数据集中每一类数据Di中每条数据的位置进行随机打乱，生成数据集Di；
从数据集Di中选择前L条数据，叠加生成一条增强的数据Bij，并删除选择的L条数据，循环直到数据集Di中剩余的数据条数小于L条时，将剩余的数据放入Di中，再次随机打乱进行选择叠加操作，循环直到生成的增强的数据达到k条为止。


5.根据权利要求1所述的基于神经网络的AES密码芯片电磁攻击方法，其特征在于，所述神经网络模型包括输入层、第一残差层、第二残差层、最大值池化层、转一...

【专利技术属性】
技术研发人员：张洪欣，罗漫，王丹志，王芸，崔晓彤，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11