论文2023/1860

EstraNet：一种有效的用于边信道分析的移位变分变压器网络

摘要

基于深度学习（DL）的边通道分析（SCA）最近非常流行。基于DL的SCA可以轻松破坏受屏蔽对策保护的实现。基于DL的SCA对于受各种基于跟踪去同步的对策（如随机延迟、时钟抖动和洗牌）保护的实现也非常成功。多年来，人们探索了许多DL模型来执行SCA。最近，SCA也引入了基于变压器网络（TN）的模型。尽管前面介绍的基于TN的模型在屏蔽和随机延迟对策共同保护的实现中取得了成功，但由于其二次时间和内存复杂性，它无法扩展到长记录道（长度大于几千）。本文提出了一种新的具有线性时间和存储复杂性的基于移位-不变TN的模型。这项工作的贡献是双重的。首先，我们介绍了一种新的基于TN的SCA模型EstraNet。EstraNet在跟踪长度方面具有线性时间和内存复杂性，与之前提出的基于TN的模型相比，其二次时间和内存成本有了显著提高。EstraNet也是一种移相网络，能够高效应对随机延迟和时钟抖动等对抗措施。其次，我们在三个SCA数据集上评估了EstraNet，这些数据集是带有随机延迟和时钟抖动效应的屏蔽实现。我们的实验结果表明，EstraNet显著优于几个基准模型，表明达到猜测熵1所需的攻击跟踪数减少了一个数量级。