基于卷积神经网络可视化的侧信道泄露区间定位

作者：谢欣宜; 刘帅; 王立辉; 李清^*; 俞军

来源：微电子学与计算机, 2021, 38(03): 1-7.

DOI：10.19304/j.cnki.issn1000-7180.2021.03.001

• 模板攻击
• 神经网络
• 可视化

侧信道攻击中,泄露区间的定位对进一步提升攻击效果和芯片防护产生至关重要的作用.对于基于神经网络的模板攻击,由于神经网络是黑盒模型,使得泄露区间定位成为难题.本文通过改进加权梯度类激活映射(Grad-CAM),提出一种新的可以定位功耗或电磁曲线泄露位置的方法WAvg-Grad-CAM.该方法利用梯度计算进行区间定位,计算输入曲线的不同位置对攻击成功的影响程度,从而可以准确地定位输入曲线的泄露区间.通过实验对比其他常见的可视化方法在模板攻击中的应用效果,发现其拥有曲线平滑和噪音小的优势.实验证明在泄露情况未知且不进行二阶曲线处理的情况下,即使网络成功率较低,也可以直接对带掩码实现的曲线进行精准定位.

• 单位
  专用集成电路与系统国家重点实验室; 复旦大学