基于多尺度特征融合的功耗建模分析方法

李想 楊寧 劉偉鋒 陳艾東 張彥龍 王碩 周婧

摘 要： 在數(shù)字化浪潮推動(dòng)下，5G 和6G 技術(shù)的快速發(fā)展正引領(lǐng)移動(dòng)通信系統(tǒng)步入新階段.先進(jìn)的硬件設(shè)備和加密芯片為不斷增長(zhǎng)的數(shù)據(jù)處理需求和日益關(guān)注的安全保障提供了強(qiáng)有力的支持. 在這一背景下，搭載現(xiàn)代密碼技術(shù)的各類(lèi)硬件設(shè)備逐漸演變?yōu)椴豢苫蛉钡纳罨? 這些設(shè)備已經(jīng)具備抵御傳統(tǒng)密碼分析的能力. 近年來(lái)，學(xué)術(shù)界的研究重點(diǎn)之一是對(duì)設(shè)備在實(shí)際運(yùn)行過(guò)程中產(chǎn)生的物理泄漏進(jìn)行分析. 這一領(lǐng)域被稱(chēng)為側(cè)信道分析（Side-ChannelAnalysis，SCA）. 深度學(xué)習(xí)驅(qū)動(dòng)的側(cè)信道分析已被廣泛認(rèn)可為一種有效的方法，針對(duì)當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的功耗曲線數(shù)量需求大、魯棒性差和收斂速度慢等問(wèn)題，本文提出一種基于CNNbest的多尺度特征融合側(cè)信道分析方法. 首先，重構(gòu)特征提取網(wǎng)絡(luò)結(jié)構(gòu)，以解決深層特征向量容易過(guò)度解釋噪聲細(xì)節(jié)的問(wèn)題和模型過(guò)擬合問(wèn)題. 而后，使用濾波器陣列執(zhí)行離散小波變換（DiscreteWavelet Transform，DWT）分析方法構(gòu)造多解析度時(shí)頻，提升數(shù)據(jù)質(zhì)量. 最后，引入輕量級(jí)的結(jié)合通道空間的卷積塊注意力模塊（Convolutional Block Attention Module，CBAM），以提高功耗曲線關(guān)鍵特征的學(xué)習(xí)效率. 實(shí)驗(yàn)結(jié)果表明，本文方法對(duì)側(cè)信道分析所需的功耗曲線較原模型減少了88. 27%，顯著提高了分析性能，能夠滿足側(cè)信道建模和分析的要求.

關(guān)鍵詞： 側(cè)信道分析； 功耗分析； 多尺度特征融合； 離散小波變換； 注意力機(jī)制

中圖分類(lèi)號(hào)： TN918. 4； TP183 文獻(xiàn)標(biāo)志碼： A DOI： 10. 19907/j. 0490-6756. 2024. 033003