[发明专利]侧信道攻击模型的构建方法、密码攻击设备及计算机存储介质

说明书

本申请公开了一种侧信道攻击模型的构建方法、密码攻击设备及存储介质，所述方法包括：获取第一明文和第一密钥，并对第一明文和第一密钥进行多次加密运算以得到多个第一侧信道波形；将多个第一侧信道波形分别输入多个不同类型的神经网络进行模型训练，以分别得到每个第一侧信道波形在多个神经网络中隐藏层的输出值；将输出值进行拼接，得到每个第一侧信道波形对应的拼接值，并将多个拼接值输入多层感知器进行预测，以得到每个第一侧信道波形的预测结果；根据每个第一侧信道波形的预测结果对多层感知器和多个神经网络进行参数调整以完成侧信道攻击模型的构建。通过组合多个神经网络提高了训练得到的侧信道攻击模型的泛化性和预测准确度。

技术领域

本申请涉及密码攻击领域，尤其涉及一种侧信道攻击模型的构建方法、密码攻击设备及计算机存储介质。

背景技术

侧信道攻击是针对密码硬件的一种有效攻击方式，其攻击效果在不同芯片平台以及密码算法上均已得到验证。其中，模板攻击被认为是一种效果较好的攻击方法。近年来，伴随人工智能技术的发展，模板攻击也引进了深度学习方法来作为统计建模攻击，增强其攻击效果。然而深度学习需要对神经网络进行调参和训练，但不同种类的网络不仅在同一数据集上的性能表现可能会有较大的波动，并且不同种类的网络对不同类型信息的学习能力差异导致了可能有部分类型的网络能学习到某一特征，而另一类型的网络无法学习到该特征，导致训练得到的神经网络不仅泛化性较差，预测准确度也较低。

因此，如何提高用于侧信道攻击的神经网络的泛化性和预测准确度成为亟待解决的问题。

发明内容

本申请提供了一种侧信道攻击模型的构建方法、密码攻击设备及计算机存储介质，以提高用于侧信道攻击的神经网络的泛化性和预测准确度。

第一方面，本申请提供了一种侧信道攻击模型的构建方法，所述侧信道攻击模型包括多个神经网络和多层感知器，所述方法包括：

获取第一明文和第一密钥，并对所述第一明文和第一密钥进行多次加密运算以得到多个第一侧信道波形；

计算多个所述第一侧信道波形对应的中间值，并将所述中间值作为所述第一侧信道波形的分类标签；

将多个所述第一侧信道波形分别输入多个不同类型的神经网络进行模型训练，以分别得到每个所述第一侧信道波形在多个所述神经网络中隐藏层的输出值；

将所述输出值进行拼接，得到每个所述第一侧信道波形对应的拼接值，并将多个所述第一侧信道波形对应的拼接值输入多层感知器进行预测，以得到每个所述第一侧信道波形的预测结果；

根据所述每个所述第一侧信道波形的预测结果和对应的所述分类标签对所述多层感知器和多个所述神经网络进行参数调整以完成侧信道攻击模型的构建。

第二方面，本申请还提供了一种密码攻击设备，所述密码攻击设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的侧信道攻击模型的构建方法。

第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的侧信道攻击模型的构建方法。

本申请公开了一种侧信道攻击模型的构建方法、密码攻击设备及计算机存储介质，通过获取第一明文和第一密钥，从而进行多次加密运算得到多个第一侧信道波形，然后计算多个第一侧信道波形对应的中间值，并将中间值作为第一侧信道波形的分类标签，随后将多个第一侧信道波形分别输入多个不同类型的神经网络进行模型训练，以分别得到每个第一侧信道波形在多个神经网络中隐藏层的输出值，再将输出值进行拼接，得到每个第一侧信道波形对应的拼接值，最终将拼接值输入多层感知器进行预测，以得到每个第一侧信道波形的预测结果，根据每个预测结果和对应的分类标签对多层感知器进行参数调整以完成侧信道攻击模型的构建。利用多个神经网络，提高了侧信道攻击模型的泛化性和预测准确度。

附图说明