基于 ResNet 的 KLEIN 算法改进模板攻击
基于 ResNet 的 KLEIN 算法改进模板攻击
About this item
Full title
Author / Creator
Yong-Juan, WANG , WANG, Can , Qing-Jun, YUAN , Xin-Zhu, FENG , 王永娟 , 王灿 , 袁庆军 and 冯芯竹
Publisher
Beijing: Chinese Association for Cryptologic Research, Journal of Cryptologic Research
Journal title
Language
Chinese
Formats
Publication information
Publisher
Beijing: Chinese Association for Cryptologic Research, Journal of Cryptologic Research
Subjects
More information
Scope and Contents
Contents
针对传统模板攻击存在的多元高斯正态分布假设受限、预处理复杂度高且不适用于带掩码防护的应用场景等问题, 研究基于深度学习的模板攻击的改进方法. 利用深度学习模型 ResNet, 对轻量级分组密码算法 KLEIN 实施改进模板攻击, 根据数据的标签对数据进行分类. 在密钥恢复阶段利用密钥优势叠加的方法, 平均需要 15 条相同密钥加密所产生的能量迹即可有效区分正确密钥. 相较于传统的模板攻击, 本文的攻击方法成功恢复密钥所需攻击能量迹减少了 83.7%, 降低了模板攻击的难度, 有效提高了模板攻击的成功率和效率.
Alternative Titles
Full title
基于 ResNet 的 KLEIN 算法改进模板攻击
Authors, Artists and Contributors
Author / Creator
Identifiers
Primary Identifiers
Record Identifier
TN_cdi_wanfang_journals_mmxb202206005
Permalink
https://devfeature-collection.sl.nsw.gov.au/record/TN_cdi_wanfang_journals_mmxb202206005
Other Identifiers
ISSN
2097-4116,2095-7025
DOI
10.13868/j.cnki.jcr.000565
