一种基于Transformer-LSTM的支付通道侧信道攻击检测方法技术

本发明专利技术公开了一种基于Transformer‑LSTM的支付通道侧信道攻击检测方法（TL‑CAD），旨在提高侧信道攻击检测的准确率，增强支付通道系统的安全性和鲁棒性。其技术要点是，结合Transformer和LSTM的优势，利用自注意力机制捕捉全局交易时间特征，并通过LSTM提取交易的时序依赖关系，从而实现高效的侧信道攻击检测。本发明专利技术以支付通道交易的签名时间数据集作为实证数据，验证了TL‑CAD模型，实验效果表明，TL‑CAD的检测准确率最高可达99.5%，相比传统方法，其检测性能最多提升8.7%，误报率最多降低12.3%。

【技术实现步骤摘要】

本专利技术属于信息安全，涉及区块链支付通道技术和深度学习。

技术介绍

1、区块链支付通道技术在保障交易安全的同时，也面临着侧信道攻击的威胁。侧信道攻击通过监测系统运行过程中泄露的时间、功耗等信息，窃取敏感数据。传统的防御方法如信息随机化，虽然能够减少时间信息的泄露，但成本较高且适用性受限。在支付通道系统中，交易的安全性依赖于加密签名算法（如ecdsa），而签名过程中泄露的时间信息为侧信道攻击提供了可乘之机。攻击者可以通过分析签名操作的时间差异，推断出私钥等关键信息，从而破坏支付通道的安全性。近年来，机器学习技术被引入侧信道攻击检测中，然而，由于支付通道系统中的签名时间数据具有高度的时序性，传统的机器学习方法在处理长期依赖和局部时序模式时效率较低，难以捕捉复杂的攻击特征；

2、现有的深度学习模型如lstm和transformer在处理时序数据时各有优劣。lstm能够有效捕捉长期依赖，但在处理长期交易序列时容易导致关键攻击特征的梯度衰减。transformer通过自注意力机制能够捕捉长期依赖，但对局部时序模式的敏感度较低。此外，现有的攻击检测方法大本文档来自技高网...

【技术保护点】

1.本专利技术的目的是提供一种高效检测支付通道中的侧信道攻击的TL-CAD方法，构建TL-CAD方法的具体过程如下：

【技术特征摘要】

1.本发明的目的是提供一种高效检测支付通道中的侧信道攻击...

【专利技术属性】
技术研发人员：王伊蕾，董鑫琦，王艺嘉，王静鑫，李涛，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：