王俊年，朱 斌，于文新，王 皖，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.湖南科技大学 信息与电气工程学院，湖南 湘潭 411201；3.知识处理与网络化制造湖南省普通高等学校重点实验室，湖南湘潭 411201）

0 概述

随着信息技术的不断发展，人工智能、大数据、云计算等技术以及智能设备得到广泛应用，它们在给人们工作和生活带来便利的同时也使得信息安全问题日益突出，采用新的技术手段和工具应对这些安全威胁刻不容缓。在信息安全领域，首要考虑的是通过加密方法降低信息泄露的可能，从而保证数据安全。从第一代DES 的诞生到如今流行的AES，每一种加密算法都经过了大量严格的软硬件安全性能评估以确保算法的安全性能。1999 年，KOCHER［1］提出功耗侧信道攻击，其在密码攻击研究中提供了除数学分析之外的另一种加密攻击方法，这种方法揭示了加密硬件和加密数据之间的关系，通过这种关系可以利用硬件数据加密过程中产生的物理信息，如功耗、电磁辐射和时间等数据来破解加密算法［1-3］。

近年来，随着机器学习特别是深度学习的迅速发展［4］，有越来越多的研究人员将机器学习应用于侧信道攻击，且其效果远优于传统分析方法。BACKS 等［5］将机器学习应用于打印机的声音侧信道攻击，HOSPODAR 等［6］将最小二乘支持向量机对模板攻击中的中间值进行分类，LERMAN 等［7］使用随机森林、支持向量机、自组织映射等算法分析侧信道信息，HEUSER 等［8］用多类支持向量机攻……