王俊年，王 皖，于文新，胡钒梁

(1.湖南科技大学 物理与电子科学学院，湖南 湘潭 411201;2.智能传感器与新型传感材料湖南省重点实验室，湖南 湘潭 411201;3.湖南省教育厅知识处理与网络化制造重点实验室，湖南 湘潭 411201)

0 引言

在过去的几年中，侧信道攻击(Side-Channel Attack, SCA)技术已经被证明是实现加密算法密钥攻击恢复的一种有效方法[1].现实中，由于加密设备在运行加密算法的时候，不可避免地会有一些物理信息的泄露，例如电磁、功耗和时间等信息泄露，所以可以通过示波器等设备获取到该加密设备的相关泄露信息，从而恢复出加密设备的密钥信息.

由于深度学习模型对数据特征很敏感，具有从原始数据中学习并提取数据内在特征的能力，因此，将深度学习算法应用于加密硬件芯片的侧信道信号分析，提高侧信道分析的效率是自然而然的事情.近年来，已经有多种基于深度学习的侧信道分析方法被提出[2-3]，例如，Maghrebi等[4]在2016年首次将深度学习技术应用与侧信道攻击，并使用多层感知机(Multilayer Perceptron, MLP)和卷积神经网络(Convolution Neural Network, CNN)模型实现了密钥的恢复；Cagli等[5]提出了一种基于卷积神经网络的端到端的建模类侧信道攻击方法，这种方法不需要对功耗数据曲线进行前期的预处理，也不需要精确的兴趣点区间，此外，他们还使用数据增强技术提升了卷积神经网络的性能，并通过实验评估了CNN网络在处理抖动数据集时的性能情况；Robyns等[6]最近提出了一种新的相关优化(Correlation Optimization, CO)方法，在所有的电磁数据……