基于VGGNet卷积神经网络的加密芯片模板攻击新方法

作者：郭东昕; 陈开颜^*; 张阳; 张晓宇; 李健龙

来源：计算机应用研究, 2019, 36(09): 2809-2855.

DOI：10.19734/j.issn.1001-3695.2018.04.0255

• VGGNet模型
• 加密芯片
• 模板攻击
• 能量分析

针对传统模板分析在实际攻击中的难解问题,重点研究了在图像识别领域具有优异特征提取能力的VGGNet网络模型,提出了一种基于VGGNet网络模型的模板攻击新方法。为了防止信号质量对模型准确率带来较大影响,采用相关性能量分析方法对采集到的旁路信号质量进行了检验;为了适应旁路信号数据维度特征,对网络模型结构进行适度调整;在网络训练的过程中,对梯度下降速率较慢、梯度消失、过拟合等问题进行了重点解决,并采用5折交叉验证的方法对训练好的模型进行验证。最终实验结果表明,基于VGGNet模型的测试成功率为92. 3%,较传统的模板攻击效果提升了7. 7%。

• 单位
  中国人民解放军陆军工程大学