宋世杰，陈开颜，张 阳

陆军工程大学石家庄校区 装备模拟训练中心，石家庄050000

旁路分析（旁路分析与旁路攻击在本文意义等同，不做区分）由Kocher等人[1]提出，是一类利用加密设备的物理泄露进行破密或评估的密码分析方法，分为建模类旁路分析与非建模旁路分析。其中建模类旁路分析由Chari等人[2]提出，核心是旁路敌手获取与目标加密设备完全一致的副本及其所有加密信息，实施两阶段的分析：（1）建模阶段——敌手在副本上实施遍历密钥空间的所有加密过程并采集对应功耗，根据统计分析方法提出功耗特征，建立“模板”；（2）攻击阶段——敌手对目标设备再次采集功耗，利用已有“模板”进行匹配，获得密钥。由于敌手获知目标副本的全部信息，所以建模类旁路分析被信息熵证实为最强大的旁路分析方法。

建模类旁路分析包括：模板攻击[2]（Template Attacks，TA）、机器学习旁路分析（Machine Learning Side Channel Attack，MLSCA）[3-4]以及深度学习旁路分析（DLSCA）。前两种方法均需要复杂的人为特征工程建模，且处理的旁路信号维度容易受限，因此特征提取自主化、数据维度兼容能力强的DLSCA流行起来。现有研究中，以多层感知机（Multiple Layer Perceptron，MLP）[5]和卷积神经网络（Convolutional Neural Network，CNN）[6]为主的DLSCA对带掩码[7]、信号偏移[8]以及加噪声[9]的旁路信号表现出优秀的建模攻击能力。

DLSCA研究通常采用机器学习性能指标中的准确率评估DNN模型的训练程度，并采用Standaert等人[10]旁路安全评估框架中的成功率与猜测熵评估测试阶段的破密效果。Cagli等人[11]通过实验对采用准确率衡量DLSCA训练阶段的评估方法提出质疑。……