李 悦, 朱 翔, 姜会龙,2, 韩建伟

1. 中国科学院国家空间科学中心, 北京 100190

2. 中国科学院大学, 北京 100049

1 引言

越来越多的现代硬件设备(例如手机、平板电脑和智能卡等)普遍存在安全和隐私保护问题. 为了达到较高的安全级别, 安全协议和复杂加密算法被广泛使用. 然而, 实现安全协议和复杂加密算法的系统硬件成为了当前攻击的主要目标之一. 在针对系统硬件的所有攻击类型中, 基于脉冲激光注入的故障攻击因其具有较高的时间和空间分辨性、能量连续可调, 被认为是最有潜力的故障攻击手段之一. 2017 年, Vasselle等[1]就通过利用激光诱导智能手机产生故障, 成功绕过了手机的安全启动. 一次成功的故障攻击与分析除了需要攻击者具备丰富的针对被攻击对象的软硬件知识, 还需要攻击者能准确控制或清楚知道注入的故障类型. 例如, 差分故障分析(DFA) 方法通过利用加密算法的错误输出和正确输出之间的差异来恢复加密密钥, 然而, DFA 的成功和效率在很大程度上取决于注入的故障模型.

基于脉冲激光的故障注入是产生错误的非常有效的手段. 然而, 针对大面积集成电路的简单激光故障攻击, 会同时触发多种故障类型, 很难对内部状态进行精确控制, 降低了攻击的有效性. 因此, 对于给定攻击目标, 掌握其故障触发概率与故障模型分布情况对开展有效故障攻击是十分必要的. 2002 年, Serger等[2]首次将激光作为故障注入手段, 对一款MCU 的SRAM 存储单元实现……