[发明专利]基于Sinc卷积降噪自编码器的能量迹预处理方法

说明书

本发明公开了一种基于Sinc卷积降噪自编码器的能量迹预处理方法，包括：使用Sinc函数设计Sinc滤波器，并将Sinc滤波器作为卷积层的过滤器，获得Sinc卷积层；基于Sinc卷积层，构造Sinc卷积降噪自编码器；利用含噪能量迹和干净能量迹样本对构成的数据集训练所述Sinc卷积降噪自编码器；将待处理的能量迹输入至训练后的Sinc卷积降噪自编码器中，得到预处理后的能量迹。使用该方法对能量迹进行预处理，能量迹和密钥操作中间值的信噪比得到了大于4倍的提升、相关性也得到了进一步的提升，提升了侧信道攻击的效率，减少了侧信道攻击成功需要的能量迹的条数。

技术领域

本发明涉及密码学技术领域，尤其涉及一种基于Sinc卷积降噪自编码器的能量迹预处理方法。

背景技术

近年来，随着移动互联网、云计算、人工智能等计算机技术的发展，已经逐步进入到了智能化信息社会，各种物联网设备、嵌入式设备已经成为了生活的一部分。这些设备为了保障信息安全都应用了密码学技术，任何密码学技术都面临着密码攻击的威胁。侧信道攻击是破解密码算法实现的强有力的攻击方法，攻击者通过采集密码算法在密码设备上运行时的时间、功耗、电磁辐射、声音、热量等旁路信息，并分析这些信息和密码设备执行过程中的中间运算、中间状态的关系，这些中间运算、中间状态依赖于密码算法的密钥，攻击者进而根据分析结果恢复出密钥。在侧信道攻击中，攻击者需要采集目标设备的物理泄露(能量消耗或电磁辐射)，这些物理泄露又被称作能量迹。能量迹预处理是分析和猜测密钥的基础，因为密钥分析依赖于能量迹信号，能量迹信号的质量会很大程度上影响猜测密钥的准确度。

目前，对能量迹预处理的降噪滤波方法主要有高阶累积量、Kalman滤波器、奇异谱分析、独立成分分析等传统的信号处理工具。但是，随着侧信道攻击的研究进入了新的发展阶段，攻击者在拥有和目标设备同样的可控设备时，可以采集大量的能量迹。此外，建模类侧信道攻击是一个模式匹配问题，其建模阶段和攻击阶段与深度学习中的训练阶段和预测阶段类似，因此一些深度学习技术开始应用在建模类侧信道攻击中。沿着这个方向，一些基于深度学习技术的侧信道攻击的成果陆续产出。在众多深度学习工具中，卷积神经网络在端到端的侧信道攻击表现良好。但是，在现有的研究工作中，基于卷积神经网络的能量迹预处理方法不多。此外，目前基于卷积神经网络的能量迹预处理方案主要关注能量迹的时域信息，没有利用到能量迹的频域信息。

发明内容

本发明的目的是提供一种基于Sinc卷积降噪自编码器的能量迹预处理方法，可以为侧信道的数据前提提供质量保证。

本发明的目的是通过以下技术方案实现的：

一种基于Sinc卷积降噪自编码器的能量迹预处理方法，包括：

使用Sinc函数设计Sinc滤波器，并将Sinc滤波器作为卷积层的过滤器，获得Sinc卷积层；

基于Sinc卷积层，构造Sinc卷积降噪自编码器；

利用含噪能量迹和干净能量迹样本对构成的数据集训练所述Sinc卷积降噪自编码器；

将待处理的能量迹输入至训练后的Sinc卷积降噪自编码器中，得到预处理后的能量迹。

由上述本发明提供的技术方案可以看出，1)相对于传统的信号处理方法，本发明在输入待处理能量迹之后可以自动对轨迹进行处理。2)本发明可以同时进行时域和频域的处理，Sinc卷积层滤除能量迹的无用频带信息，其余卷积层提取能量迹的时域特征。3)使用本发明对能量迹进行预处理，能量迹和密钥操作中间值的信噪比得到了大于4倍的提升、相关性也得到了进一步的提升，提升了侧信道攻击的效率，减少了侧信道攻击成功需要的能量迹的条数。

附图说明