SCAのためのクラスタリング対統計解析:機械学習がより良い場合【JST・京大機械翻訳】

Aftowicz Marcin; Kabin Ievgen; Dyka Zoya; Langendoerfer Peter

プレプリント

J-GLOBAL ID：202202208603861722 整理番号：22P0023954

SCAのためのクラスタリング対統計解析:機械学習がより良い場合【JST・京大機械翻訳】

Clustering versus Statistical Analysis for SCA: when Machine Learning is Better

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年01月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

SCA攻撃に対する実装暗号アルゴリズムの抵抗の評価,および設計プロセスの初期段階におけるSCA漏洩源の検出は,実装の効率的な再設計にとって重要である。したがって,暗号操作で処理される鍵に依存しない効果的なSCA法は有益であり,暗号手法を実装するための効率的な設計方法論の一部である。本研究では,楕円曲線点乗算の電力トレースを解析するために用いられる2つの異なる方法を比較した。第1の方法は,統計解析に基づく単純な方法である。第2のものは,K-平均であり,主にデータクラスタ化のために教師なし機械学習アルゴリズムを使用した。著者らの初期研究の結果は,機械学習アルゴリズムが単純な手法に優れていないことを示した。本研究では,それらの利点と欠点を理解するために,両分析法を用いた攻撃結果の比較に焦点を当てた。結果は,攻撃されたkP実行中に処理されるスカラーがバランスするならば,平均研究との比較が適切に行われ,すなわち,スカラーkにおける「1」の数が「0」の数と同じくらい高いことを示した。これとは対照的に,スカラーが高度に不均衡であるならば,K平均は効果的である。スカラーkが非常に少数の’0’ビットだけを含むとしても,それはまだ有効である。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

符号理論

, , ,

前のページに戻る