연속 웨이블릿 변환을 사용한 비프로파일링 기반 전력 분석 공격
Non-Profiling Power Analysis Attacks Using Continuous Wavelet Transform Method
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
전력 분석 공격에서 소비 전력 파형의 잡음과 정렬 불량은 공격 성공 여부를 좌우하는 주요한 요인이다. 따라서 이를 완화하기 위한 여러 연구가 수행되고 있으며 웨이블릿 변환 기반의 신호처리 방법도 그중 하나이다. 대부분의 웨이블릿을 사용한 연구에서는 파형 압축할 수 있는 이산 웨이블릿 변환을 사용해 왔는데, 그 이유는 연속 웨이블릿 변환 기법이 선택된 스케일의 개수에 따라 데이터 크기 및 분석 시간이 증가할 뿐만 아니라 효율적인 스케일 선택 방법도 없기 때문이다. 본 논문에서는 전력 분석 공격에 최적화된 연속 웨이블릿 변환의 효율적인 스케일 선택 방법을 제안하며 이를 이용해 파형을 인코딩할 경우 분석 성능이 크게 향상될 수 있음을 보인다. 비프로파일링 공격인 CPA(Correlation Power Analysis) 및 DDLA(Differential Deep Learning Analysis) 공격 실험 결과, 제안하는 방법이 잡음 감쇄와 파형 정렬에 효과적임을 확인하였다.
Abstract
In the field of power analysis attacks, electrical noise and misalignment of the power consumption trace are the major factors that determine the success of the attack. Therefore, several studies have been conducted to overcome this problem, and one of them is a signal processing method based on wavelet transform. Up to now, discrete wavelet transform, which can compress the trace, has been mostly used for power side-channel power analysis because continuous wavelet transform techniques increase data size and analysis time, and there is no efficient scale selection method. In this paper, we propose an efficient scale selection method optimized for power analysis attacks. Furthermore, we show that the analysis performance can be greatly improved when using the proposed method. As a result of the CPA(Correlation Power Analysis) and DDLA(Differential Deep Learning Analysis) experiments, which are non-profiling attacks, we confirmed that the proposed method is effective for noise reduction and trace alignment.
참고문헌 (15)
- P. Kocher, "Timing attacks on implementations of Diffie-Hellman, RSA, DSS, and other systems", CRYPTO’96, LNCS, 1109, pp.104~113 (1996)
- P. Kocher, "Differential power analysis", CRYPTO’99, pp.388~397 (1999)
- 권동근, "비프로파일링 기반 전력 분석의 성능 향상을 위한 오토인코더 기반 잡음 제거 기술", 정보보호학회논문지, 29(3), pp.491~501 (2019), 한국정보보호학회[DOI]
- T. Le, "Noise Reduction in Side Channel Attack Using Fourth-Order Cumulant", IEEE Transactions on Information Forensics and Security, 2(4), pp.710~720 (2007)
- 류정춘, "웨이블릿 기반의 차분전력분석 기법 제안", 정보보호학회논문지, 19(3), pp.27~35 (2009), 한국정보보호학회
- 김완진, "웨이블릿 잡음 제거 방법을 이용한 전력 분석 공격 성능 개선", 한국통신학회논문지B, 35(9), pp.1330~1341 (2010), 한국통신학회
- N. Debande, "Wavelet transform based pre-processing for side channel analysis", 45th Annual IEEE, 2012, 32~38
- "Wavelet Selection and Employment for Side-Channel Disassembly" (2021)[URL]
- 배대현, "CNN을 이용한 소비 전력 파형 기반 명령어 수준 역어셈블러 구현", 정보보호학회논문지, 30(4), pp.527~536 (2020), 한국정보보호학회[DOI]
- J. Park, "Power-based side-channel instruction-level disassembler", Proceedings of the 55th Annual Design Automation Conference(DAC), pp.1~6 (2018)
- E. Brier, "Correlation power analysis with a leakage model", CHES'04, pp.16~29 (2004)
- B. Timon, "Non-profiled deep learning-based side-channel attacks with sensitivity analysis", IACR Transactions on Cryptographic Hardware and Embedded Systems, 2019(2), pp.107~131 (2019)
- "SCARF Dataset" (2019)[URL]
- "Study of Deep Learning Techniques for Side-Channel Analysis and Introduction to ASCAD Database" (2018)[URL]
- D. Bae, "Performance Metric for Differential Deep Learning Analysis", Journal of Internet Services and Information Security (JISIS), 11(2), pp.22~33 (2021)