지터에 강건한 딥러닝 기반 프로파일링 부채널 분석 방안

Vol. 30, No. 6, pp. 1271-1278, 12월. 2020
10.13089/JKIISC.2020.30.6.1271, Full Text:
Keywords: Side-Channel Analysis, Deep Learning, Jitter, Global Average Pooling, AES
Abstract

딥러닝 기반 프로파일링 부채널 분석은 신경망을 이용해 부채널 정보와 중간값의 관계를 파악하는 공격 방법이다. 신경망은 신호의 각 시점을 별도의 차원으로 해석하므로 차원별 가중치를 갖는 신경망은 지터가 있는 데이터의 분포를 학습하기 어렵다. 본 논문에서는 CNN(Convolutional Neural Network)의 완전연결 층을 GAP(Global Average Pooling)로 대체하면 태생적으로 지터에 강건한 신경망을 구성할 수 있음을 보인다. 이를 입증하기 위해Chip Whisperer-Lite 전력 수집 보드에서 수집한 파형에 대해 실험한 결과 검증 데이터 집합에 대한 완전연결 층을 사용하는 CNN의 정확도는 최대 1.4%에 불과했으나, GAP를 사용하는 CNN의 정확도는 최대 41.7%로 매우높게 나타났다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
김주환, 우지은, 박소연, 김수진 and 한동국, "Robust Deep Learning-Based Profiling Side-Channel Analysis for Jitter," Journal of The Korea Institute of Information Security and Cryptology, vol. 30, no. 6, pp. 1271-1278, 2020. DOI: 10.13089/JKIISC.2020.30.6.1271.

[ACM Style]
김주환, 우지은, 박소연, 김수진, and 한동국. 2020. Robust Deep Learning-Based Profiling Side-Channel Analysis for Jitter. Journal of The Korea Institute of Information Security and Cryptology, 30, 6, (2020), 1271-1278. DOI: 10.13089/JKIISC.2020.30.6.1271.