曲线增强：一种用于模板攻击的新型曲线预处方法

摘要

预处理是旁路攻击,特别是模板攻击,的重要的部分.典型预处理技术,如主成分分析(PCA)和奇异谱分析(SSA)等,它们的主要目的是降低噪声或从原始数据中提取有用的信息.但是典型预处理技术几乎不能有效的应对建模曲线和目标曲线之间差异的问题.在本文应用深度学习的数据增强方法,提出了一种高效且易于实施的预处理方法,称为曲线增强.文章提出了称为简单验证的方法来高效地确定数据增强的参数.基于仿真的实验表明,新方法不仅可以大大提高的模板攻击的成功率,而且在理想情况下(建模曲线和目标曲线没有差异的情况)也能很好地工作.针对FPGA和软件实现的模板攻击实验的结果与基于仿真的结果是一致的.因此,可以得出这样的结论:本文所提出的增强方法可以有效的提高模板攻击攻击效率.