[发明专利]针对SM4的组合高阶侧信道攻击方法、装置、设备及介质

权利要求书

1.一种针对SM4的组合高阶侧信道攻击方法，包括：

根据SM4算法，获取已知密钥加密运算的功耗曲线作为训练集、未知密钥加密运算的功耗曲线作为攻击集；

基于所述训练集，建立轮密钥各字节的汉明距离的统计分类模板和各字节的汉明重量的统计分类模板；

基于各字节的汉明距离的统计分类模板和各字节的汉明重量的统计分类模板，计算所述轮密钥的多个猜测字节分别攻击所述攻击集的所有明文得到的组合高阶侧信道攻击的总似然度；

将与所述总似然度最大值对应的猜测字节确定为所述轮密钥的字节；

基于所述轮密钥的字节，还原所述轮密钥；

基于所述轮密钥，还原所述密钥。

2.根据权利要求1所述的方法，其中，所述根据SM4算法，获取已知密钥加密运算的功耗曲线作为训练集、未知密钥加密运算的功耗曲线作为攻击集，包括：

根据SM4算法，基于已知随机明文和已知随机密钥进行加密运算，获取功耗曲线组成训练集；

基于已知随机明文和未知密钥进行加密运算，获取功耗曲线组成攻击集。

3.根据权利要求1所述的方法，其中，所述基于所述训练集，建立轮密钥各字节的汉明距离的统计分类模板和各字节的汉明重量的统计分类模板，包括：

计算所述轮密钥在所述训练集的功耗曲线的加密迭代中各字节对应的S盒输入输出值的第一汉明距离和所述各字节的第一汉明重量；

基于所述第一汉明距离，建立所述各字节的汉明距离的统计分类模板；

基于所述第一汉明重量，建立所述各字节的汉明重量的统计分类模板。

4.根据权利要求3所述的方法，其中，采用多元高斯分布、支持向量机、决策树或深度学习建立汉明距离的统计分类模板和汉明重量的统计分类模板。

5.根据权利要求1所述的方法，其中，所述基于各字节的汉明距离的统计分类模板和各字节的汉明重量的统计分类模板，计算所述轮密钥的多个猜测字节分别攻击所述攻击集的所有明文得到的组合高阶侧信道攻击的总似然度，包括：

将所述轮密钥的多个猜测字节分别与所述攻击集的一条已知随机明文进行加密计算，得到加密迭代中各个所述猜测字节对应的S盒输入输出值的第二汉明距离和所述猜测字节的第二汉明重量；

基于各个所述猜测字节对应的字节的第一汉明距离的统计分类模板计算所述第二汉明距离的似然度；

基于各个所述猜测字节对应的字节的第一汉明重量的统计分类模板计算所述第二汉明重量的似然度；

将各个猜测字节的所述第二汉明距离的似然度和所述第二汉明重量的似然度相乘得到各个猜测字节的所述组合似然度；

将各个所述猜测字节与所述攻击集的所有已知随机明文进行加密计算获得的所述组合似然度相乘得到各个所述猜测字节的组合高阶侧信道攻击的总似然度。

6.根据权利要求1所述的方法，其中，所述根据SM4算法，获取已知密钥加密运算的功耗曲线作为训练集、未知密钥加密运算的功耗曲线作为攻击集之后，还包括：

对所述训练集和攻击集的数据进行预处理。

7.根据权利要求6所述的方法，其中，所述对所述训练集和攻击集的数据进行预处理包括对所述训练集和攻击集的数据进行降维、对齐处理。

8.一种针对SM4的组合高阶侧信道攻击装置，包括：

集获取模块，根据SM4算法，获取已知密钥加密运算的功耗曲线作为训练集、未知密钥加密运算的功耗曲线作为攻击集；

建模模块，基于所述训练集，建立轮密钥的各字节的汉明距离的统计分类模板和各字节的汉明重量的统计分类模板；

总似然度计算模块，基于各字节的汉明距离的统计分类模板和各字节的汉明重量的统计分类模板，计算所述轮密钥的多个猜测字节分别攻击所述攻击集的所有明文得到的组合高阶侧信道攻击的总似然度；

轮密钥字节确定模块，将与所述总似然度的最大值对应的猜测字节确定为所述轮密钥的字节；

轮密钥还原模块，基于所述轮密钥的字节，还原所述轮密钥；

密钥还原模块，基于所述轮密钥，还原所述密钥。