一种基于有监督对比学习的密码侧信道分析方法

    公开(公告)号:CN119316125A

    公开(公告)日:2025-01-14

    申请号:CN202411198930.2

    申请日:2024-08-29

    Abstract: 本发明涉及一种基于有监督对比学习的密码侧信道分析方法,属于信息安全技术领域,应用于密码侧信道分析中。本发明实现方法为:1、以建模波形和密钥相关中间变量构建建模数据集;2、将分析能量波形和明文构建分析数据集;3、构建神经网络模型,使用建模数据集对神经网络进行训练,利用有监督对比损失函数对神经网络训练过程进行优化;4、通过循环迭代使神经网络达到拟合;5、将概率乘积最大的猜测密钥作为实际密钥。本发明方法,可以提取密钥相关中间变量信息相关联的同类能量波形之间的相似性信息,利用更少的能量波形恢复实际密钥,恢复密钥的准确率更高,高效利用能量波形的有效信息,进一步提高基于神经网络的侧信道分析方法性能。

    去中心化纵向联邦学习隐私保护方法

    公开(公告)号:CN118965416A

    公开(公告)日:2024-11-15

    申请号:CN202410776614.2

    申请日:2024-06-17

    Abstract: 本发明涉及去中心化纵向联邦学习隐私保护方法,属于机器学习技术领域。本发明包括步骤:1、模型参与方的成员节点包括主动方、被动方、验证方;2、形成主动方数据样本和被动方数据样本;3、模型初始化;4、被动方进行前向训练;5、验证方对本地中间结果进行验证通过拜占庭共识后,加权聚合形成聚合中间结果;6、主动方进行顶层模型训练;7、被动方利用主动方顶层模型的梯度值G反向更新本地模型参数;8、重复步骤3至步骤7,直到停止训练。本发明用于排除单独故障和提升准确率的性能,通过区块链中的共识组节点判断被动方的贡献值,聚合节点聚合共识后的被动方的本地值,实现去中心化的纵向联邦学习隐私保护方法。

    一种基于遗传算法的相关强化碰撞能量攻击方法

    公开(公告)号:CN114389789B

    公开(公告)日:2024-08-20

    申请号:CN202111594572.3

    申请日:2021-12-24

    Abstract: 本发明涉及一种基于遗传算法的相关强化碰撞能量攻击方法,属于密码学和侧信道分析技术领域。首先对一组明文段与其它各组明文段分别做相关强化碰撞分析,使用遗传算法搜索明文段之间最优差分,推导获得各密钥段中相同位置字节之间的异或关系。然后对一组明文段与其他任意一组明文段做相关强化碰撞分析,使用遗传算法搜索两个明文段循环错位一字节后的最优差分,推导获得密钥段内部字节之间异或关系。推导获得一字节密钥与其他各字节的异或关系,遍历该字节密钥的所有可能取值并计算出对应的主密钥候选值,使用一对明密文验证并得到正确密钥。本方法实现了对多字节并行计算加密设备中带一阶掩码分组密码的能量攻击,同时提升了密钥恢复效率。

    基于光信号的照度侧信道分析方法、装置及存储介质

    公开(公告)号:CN118432877A

    公开(公告)日:2024-08-02

    申请号:CN202410507308.9

    申请日:2024-04-25

    Abstract: 本发明涉及基于光信号的照度侧信道分析方法、装置及存储介质,应用于密钥解析技术领域,包括:利用现实中带有LED灯的密码设备的LED灯一般是直接或间接与设备电源相连的,当作电源指示灯,存在密钥泄露的隐患;因此,本申请通过获取远距离条件下的正在运行密码算法的密码设备的LED灯的光信号波形,通过对光信号波形进行预处理,去除干扰因素,然后根据密码算法的类型对预处理后的光信号波形采用降维聚类方法或相关能量分析方法,从而恢复密码设备运行的密码算法的密钥,解决了现有技术中的侧信道分析技术一直无法突破远距离的限制的问题。

    基于差分隐私和同态加密的联邦学习隐私保护方法

    公开(公告)号:CN117421762A

    公开(公告)日:2024-01-19

    申请号:CN202311049045.3

    申请日:2023-08-21

    Abstract: 本发明提出了基于差分隐私和同态加密的联邦学习隐私保护方法,属于网络安全数据信息隐私保护技术领域。本发明通过在本地模型训练过程中向梯度添加少量噪声,有效的抵御了成员推断攻击以及其他可能的隐私攻击方法,能够保护隐私数据。通过使用门限同态加密算法对训练过程中的模型参数进行加密,各参与方拥有不同的私钥,相较于传统的同态加密算法,大大降低了因某参与方密钥泄露而对整个联邦学习隐私造成毁灭性打击的风险。本方法中的各参与方节点对框架基本架构没有结构性影响,参与方的增删只影响门限参数的设定,能够灵活适应参与方数目的动态调整情况。本发明为充分实现联邦学习数据隐私、实现数据信息的安全交流与整合,提供了有效技术方案。

    一种基于Deep Q-Learning的公钥密码算法的侧信道分析方法

    公开(公告)号:CN115051784B

    公开(公告)日:2023-08-11

    申请号:CN202210585029.5

    申请日:2022-05-26

    Abstract: 本发明涉及网络安全领域,特别涉及一种基于Deep Q‑Learning的公钥密码算法的侧信道分析方法。首先,获取能量迹上签名算法的运行部分,确定签名的起始位置的横坐标beginx_index和签名的终止位置横坐标endx_index,并根据确定的签名的起始位置的横坐标beginx_index和签名的终止位置横坐标endx_index获取签名算法的能量迹;然后获取切分后的能量迹段和对应的标签,最后还原成二进制下的比特序列,恢复成密钥,然后验证是否是正确密钥,若是正确密钥则返回密钥,步骤结束,若不是正确密钥则返回失败,步骤结束。

    一种基于明密文相关性分析的密码算法计时分析测评方法

    公开(公告)号:CN112926079B

    公开(公告)日:2022-08-30

    申请号:CN202110452706.1

    申请日:2021-04-26

    Abstract: 本发明公开了一种基于明密文相关性分析的密码算法计时分析测评方法,属于侧信道分析和密码学技术领域。首先选取随机明文并采集得到波形。对采集的波形,按照算法执行之前和执行之后的某一片段,分别进行横轴方向的静态对齐,并将对齐后的波形进行明密文相关性分析,对分析结果曲线分别进行合并和截断处理,得到两条曲线。计算两条曲线之间的差的绝对值,得到一条距离曲线。若距离曲线上所有点均小于某个阈值,表明每次执行时间相同,能够抵抗计时攻击,否则,表明存在明显时间信息泄露。本方法能够避免由于计算机中断等因素带来的计时分析过程中测量的算法执行时间误差较大的问题,具有很强的通用性,且操作简单,分析结果直观清晰。

    一种基于明密文相关性分析的密码算法计时分析测评方法

    公开(公告)号:CN112926079A

    公开(公告)日:2021-06-08

    申请号:CN202110452706.1

    申请日:2021-04-26

    Abstract: 本发明公开了一种基于明密文相关性分析的密码算法计时分析测评方法,属于侧信道分析和密码学技术领域。首先选取随机明文并采集得到波形。对采集的波形,按照算法执行之前和执行之后的某一片段,分别进行横轴方向的静态对齐,并将对齐后的波形进行明密文相关性分析,对分析结果曲线分别进行合并和截断处理,得到两条曲线。计算两条曲线之间的差的绝对值,得到一条距离曲线。若距离曲线上所有点均小于某个阈值,表明每次执行时间相同,能够抵抗计时攻击,否则,表明存在明显时间信息泄露。本方法能够避免由于计算机中断等因素带来的计时分析过程中测量的算法执行时间误差较大的问题,具有很强的通用性,且操作简单,分析结果直观清晰。

    一种针对高阶分组密码算法的高精度侧信道分析方法

    公开(公告)号:CN119728083A

    公开(公告)日:2025-03-28

    申请号:CN202411886009.7

    申请日:2025-02-28

    Abstract: 本发明涉及一种针对高阶分组密码算法的高精度侧信道分析方法,属于信息安全密码技术领域。首先采集运行高阶掩码防护的分组密码算法设备的侧信息,并定位侧信息中执行秘密信息相关运算的区域。结合分组密码算法原理,使用特征选择函数对侧信息进行特征提取并降维。应用矩阵乘法获得多线性向量,进行秘密信息和掩码的特征整合。本发明无需预先获取掩码相关先验知识,相比于传统的深度学习侧信道分析方法,使用多线性卷积神经网络在分析分组密码的密钥搜索空间时,具有更低的计算复杂度和更高的成功率。本发明能够成功恢复密钥所需的能量迹数量比普通的CNN方法降低至少30%,误报率比同等能量迹数量下的CNN方法降低至少30%。

    一种针对FESH密码算法的遗传算法多源侧信道分析方法

    公开(公告)号:CN118573355A

    公开(公告)日:2024-08-30

    申请号:CN202410701169.3

    申请日:2024-05-31

    Abstract: 本发明涉及一种针对FESH密码算法的遗传算法多源侧信道分析,属于密码和侧信道分析技术领域。通过使用遗传算法来高效地使用相关能量分析FESH算法,综合利用并行实现的FPGA中S盒多源泄露信息,以恢复密钥。本发明结合使用遗传算法及相关能量分析,充分利用FESH算法中多源泄露信息寻找最优解。通过分析FESH算法,可以评估其安全性并揭示其潜在的弱点或漏洞,有助于发现和修补潜在的安全漏洞,提高了系统的整体安全性,为分析多字节并行的情况提供了可行方案。相比于单纯相关能量攻击,本发明使用遗传算法在分析分组密码的密钥搜索空间时,具有更低的计算复杂度和更高的成功率。

Patent Agency Ranking