Multi-Layer Perceptron 기법을 이용한 전력 분석 공격 구현 및 분석
Implementation and Analysis of Power Analysis Attack Using Multi-Layer Perceptron Method
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 논문에서는 기존 전력 분석 공격의 어려움과 비효율성을 극복하기 위해 딥 러닝 기반의 MLP(Multi-LayerPerceptron) 알고리즘을 기반으로 한 공격 모델을 사용하여 암호 디바이스의 비밀 키를 찾는 공격을 시도하였다. 제안하는 전력 분석 공격 대상은 XMEGA128 8비트 프로세서 상에서 구현된 AES-128 암호 모듈이며, 16바이트의비밀 키 중 한 바이트씩 복구하는 방식으로 구현하였다. 실험 결과, MLP 기반의 전력 분석 공격은 89.51%의 정확도로 비밀 키를 추출하였으며 전처리 기법을 수행한 경우에는 94.51%의 정확도를 나타내었다. 제안하는 MLP 기반의 전력 분석 공격은 학습을 통한 feature를 추출할 수 있는 성질이 있어 SVM(Support Vector Machine)과 같은 머신 러닝 기반 모델보다 우수한 공격 특성을 보임을 확인하였다.
Abstract
To overcome the difficulties and inefficiencies of the existing power analysis attack, we try to extract the secret keyembedded in a cryptographic device using attack model based on MLP(Multi-Layer Perceptron) method. The target of ourproposed power analysis attack is the AES-128 encryption module implemented on an 8-bit processor XMEGA128. We usethe divide-and-conquer method in bytes to recover the whole 16 bytes secret key. As a result, the MLP-based poweranalysis attack can extract the secret key with the accuracy of 89.51%. Additionally, this MLP model has the 94.51%accuracy when the pre-processing method on power traces is applied. Compared to the machine leaning-based modelSVM(Support Vector Machine), we show that the MLP can be a outstanding method in power analysis attacks due toexcellent ability for feature extraction.
참고문헌 (15)
- F. X. Standaert, "Partition vs. comparison side-channel Distinguishers :An empirical evaluation of statistical tests for univariate side-channel attacks against two unprotected CMOS device", LNCS, 5461, pp.253~267 (2008)
- S. Mangard, "Power analysis attacks: Revealing the secrets of smart cards" (2008), Springer
- F. Rosenblatt, "The perceptron: A probabilistic model for information storage and organization in the brain", Psychological Review, 65(6) (1958)
- R. Collobert, "Links between perceptrons, MLPs and SVMs", Proceedings of the twentyfirst international conference on Machine learning, ICML'04, pp.23~ (2004)
- "Federal Information Processing Standards Publication (FIPS 197), Advanced Encryption Standard(AES)", ~ (2001)
- C. Cortes, "Support-vector networks", Machine Learning, 20(3), pp.273~297 (1995)
- T. Hofmann, "Kernel Methods in Machine Learning", The Annals of Statistics, 36(3), pp.1171~1220 (2008)
- P. Kocher, "Differential Power Analysis", CRYPTO'99 (1999)
- E. Brier, "Correlation Power Analysis with a Leakage Model", LNCS, 3156, pp.16~29 (2004)
- S. Chari, "Template Attacks", LNCS, 2523, pp.13~28 (2002)
- W. Schindler, "A Stochastic Model for Differential Side Channel Cryptanalysis", LNCS, (3659), pp.30~46 (2005)
- Z. Martinasek, "Innovative method of the power analysis", Radioengineering, 22(2), pp.589~594 (2013)
- Z. Martinasek, "Optimization of power analysis using neural network", LNCS, 8419, pp.94~107 (2014)
- "chipwhisperer" (2017)[URL]
- G. Hospodar, "Machine learning in side-channel analysis : a first study", Journal of Cryptographic Engineering, 1(4), pp.293~302 (2011)