信息安全研究 ›› 2023, Vol. 9 ›› Issue (E1): 46-.

• 第38次全国计算机安全学术交流会入选论文 • 上一篇    下一篇

多输入工控网络联合多泄露侧信道攻击研究

李万青1胡钒梁2李瑞奇3   

  1. 1(四川省广元市公安局网络安全保卫支队四川广元628000)
    2(南京信息工程大学南京210000)
    3(西南交通大学成都610000)
  • 出版日期:2023-10-17 发布日期:2023-10-28
  • 通讯作者: 李万青 网络安全高级工程师.主要研究方向为网络安全、网络管控. 790058005@qq.com
  • 作者简介:李万青 网络安全高级工程师.主要研究方向为网络安全、网络管控. 790058005@qq.com 胡钒梁 博士研究生.主要研究方向为侧信道分析. 740967243@qq.com 李瑞奇 工学博士.主要研究方向为工业控制. 490185534@qq.com

  • Online:2023-10-17 Published:2023-10-28

摘要: 随着深度学习的进步,基于深度学习的侧信道攻击技术(deep learning side channel attacks, DLSCAs)已经成为工控设备安全的重要威胁手段之一.然而,目前还鲜少探讨工控设备面临的硬件安全问题.另一方面,大多数现有的工作直接在加密算法的功耗曲线上训练网络模型,而不对泄露区间进行拆分,这降低了密钥恢复的质量.以工业微控制器上常见的AES128加密方式为攻击对象,针对其一个敏感值函数对应多个泄露区间的情况,对功耗曲线上的多个泄露区间进行拆分,然后建立多输入网络模型,对多个泄露区间通过网络模型进行联合训练.实验取得的结果显示,多输入网络模型比使用单个泄露区间训练的模型准确率提升了42.83%,比使用未拆分的功耗曲线训练的模型提升了10.27%.因此,鉴于DLSCAs具有可利用手段较多,技术更新迭代较快等特点,现有工控系统需设计相应措施进行提前防备.

关键词: 工控设备安全, AES 128, 侧信道攻击, 多输入网络, 联合训练

中图分类号: