王 安,李 圆,丁瑶玲,祝烈煌,王永娟

1.北京理工大学计算机学院,北京 100081

2.河南省网络密码技术重点实验室,郑州 450001

1 引言

侧信道攻击通过利用密码设备加密过程中泄露的功耗、电磁、时间等侧信息,获取敏感数据.经典的侧信道攻击方法有能量攻击[1,2]、故障攻击[3]、模板攻击[4]、碰撞攻击[5]等;近年来,出现一些基于人工智能的侧信道攻击方法,尤其是机器学习在侧信道领域受到广泛关注,包括支持向量机[6,7]、随机森林[8,9]、多层感知器神经网络[10,11]、卷积神经网络[12-14]等.

文献[15]提出一种非建模类的基于人工智能的侧信道攻击方法,将遗传算法(genetic algorithm,GA)与相关能量分析(correlation power analysis,CPA)结合,应用到密码算法硬件实现场景下的侧信道攻击中,通过更高信噪比的泄露模型达到了超越传统CPA的表现.文献[16]在其基础上,针对其存在的早熟收敛的问题,使用多种群的方法,每个种群仍旧采用类似于文献[15]的简单遗传算法,分别独立进化,但是对不同种群迭代结束得到的最优个体进行“组合”,来获取更优的个体,这种方法可以一定程度上克服早熟收敛的问题.

学界有很多关于多种群遗传算法的研究.文献[17]提出基于多种群的强者进化遗传算法,使用多个单种群和一个主种群进行两阶段进化,第一阶段由多个异构单种群单独进化到一定代数,将各自的最优个体传递给主种群,第二阶段进行由强者构成的主种群的进化,使用自定义的变异算子.文献[18]提出变搜索区域多种群遗传算法,依据各种……