[发明专利]一种基于遗传算法的功耗攻击高效筛选方法

说明书

本发明公开了一种基于遗传算法的功耗攻击高效筛选方法。包括：采集功耗；确定参数以及适应度函数；初始化种群；计算个体适应度；计算字节适应度；选择优良个体阶段；交叉阶段；变异阶段。本发明结合了侧信道分析技术中的功耗攻击技术，将传统功耗攻击与改进的遗传算法进行结合，既降低了传统功耗攻击的计算复杂度，又提高了攻击的效率以及成功率，同时解决了传统遗传算法和功耗攻击所结合的方法中存在的个体“退化”和进化速度慢的问题。

技术领域

本发明属于侧信道分析领域，具体涉及一种基于遗传算法的功耗攻击高效筛选方法，可提高攻击效率以及降低计算等资源复杂度。

背景技术

在侧信道攻击中，基于功耗消耗的侧信道攻击是最常见的一种攻击方法，顾名思义，功耗攻击就是依据密码芯片、密码设备或密码模块在密码算法时产生的功耗信息来进行密码攻击的一种侧信道攻击方法。同样，功耗攻击也可以分为多种不同的分析方法：2002年，Joong等人提出的简单功耗攻击(Simple Power Attack，SPA)，1999年Kocher等人提出的差分功耗攻击(Differential Power Attack，DPA)，2004年Brier等人提出的相关功耗攻击(Correlation Power Attack，CPA)。随后，侧信道攻击继续发展，陆续出现了基于电磁的侧信道分析(Electromagnetic Analysis，EMA)，在CHES2002(Cryptographic Hardwareand Embedded Systems 2002，密码硬件与嵌入式系统)会议上，又出现了基于功耗的模板攻击等概念。2006年，针对添加了一阶掩码防护的算法，Oswald等人在中提出了二阶DPA攻击的方法，把侧信道攻击从低阶扩展到了高阶。2008年，Gierlichs等人在CHES2008上提出了互信息能量攻击方法(Mutual Information Analysis，MIA)。紧接着，Renauld在前人工作的基础上，提出了代数侧信道攻击(ASCA)的概念，代数侧信道攻击是把代数攻击的思想巧妙地应用到侧信道攻击中，降低了侧信道攻击的复杂度，进而提高了侧信道攻击的效率。2011年，Renauld等人讨论了纳米级设备的侧信道攻击。2012年，Oren等人在Renauld的研究基础上，进一步改进了容错的代数侧信道攻击(TASCA)方法。同时，在国内，针对侧信道攻击方面的研究也取得了许多研究成果：比如彭昌勇等人对代数侧信道攻击进行了扩展。

而在1975年，Holland为了解决最优化问题而提出了一种智能算法，遗传算法。遗传算法通过模仿自然界中优胜劣汰的竞争淘汰过程来构建模型。遗传算法具有鲁棒性、高度并行性、随机性和自适应性等特点。遗传算法的本质是利用种群的进化来实现最优解搜索过程。

遗传算法的基本思想是:首先将待解决问题的解编码为字符串。经过编码后，问题的每一个潜在解称为种群中的一个个体。种群中的每一代都由一定数量的个体构成。初始种群的所有个体随机产生。然后，所有个体依据“物竞天择，适者生存”的自然法则竞争淘汰,具有优良性状的个体得以被保留，最终留下的就是问题的最优解。竞争淘汰的规则是根据待解决的问题合理选择适应度函数来评价每-代种群中个体的优劣程度,并通过适应度大小来挑选优秀个体。在每-代的进化过程中，个体依靠交叉变异来得出新的个体。通过不断迭代，最终种群中的优异个体就可以作为问题的近似最优解。

近年来，又提出了多种结合了人工智能(AI)技术的旁道攻击方法。Hospodar等人在2011年首先使用最小二乘支持向量机对边路攻击的中间比特值进行分类。后来，采用了随机森林，支持向量机(SVM)和自组织映射来对3DES进行性能分析攻击。Martinasek等人还提出了结合多类支持向量机的方法来处理多位值。2015年，Zhang等人提出了一种基于遗传算法的非分析方法，它代表了人工智能的强大功能。将关键搜索问题转化为相关系数优化问题，并用简单的遗传算法求解。丁等人指出了这种方法的不完善之处，并提出了一种改进的方法来解决局部搜索不足的问题。但是到目前为止，这些将遗传算法和功耗攻击相结合的方法，以及后面的改进方法中，仍然存在不足之处，因此本项目将会针对这些不足之处来进行研究，并克服这些缺陷，达到更好的效果。

发明内容