文献

J-GLOBAL ID：202202231388837142   整理番号：22A1052997

深層学習ベースサイドチャネル解析の評価について【JST・京大機械翻訳】

On the Evaluation of Deep Learning-Based Side-Channel Analysis

著者 (4件)： Wu Lichao (Delft University of Technology, Delft, The Netherlands) ,  Perin Guilherme (Delft University of Technology, Delft, The Netherlands) ,  Picek Stjepan (Delft University of Technology, Delft, The Netherlands) ,  Picek Stjepan (Radboud University, Nijmegen, The Netherlands)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13211  ページ： 49-71  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層学習ベースサイドチャネル解析は,最も強力なプロファイリングサイドチャネル解析に対するデファクト標準として,急速に位置決めする。過去数年からの結果は,深層学習技術が対策で保護されたターゲットを効率的に破壊できることを示した。深い学習ベースの攻撃をより強力にするには一定の改善があるが,攻撃の性能を評価する上ではほとんどなされていない。実際,評価プロセスがどのように今日行われているかは,評価計量の展望から10年以上前に行われたものとは異なる。本論文では,深層学習ベースサイドチャネル解析を評価し,通常用いられるアプローチが最良の結果を与えるかどうかを考察した。そのために,異なる要約統計量とプロファイリングモデルの安定性に対するアルゴリズムランダム性の影響を考察した。結果は,推定エントロピーのような一般的に使用されるメトリックスの他に,1つは,また,攻撃性能を適切に評価するための標準偏差結果を示すべきであることを示した。より重要なことに,推定エントロピーのための算術平均を用いることは,最良の結果をもたらさず,代わりに,中央値を使用すべきである。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  安定性 ,  エントロピー ,  *学習 ,  評価 ,  標準偏差 ,  解析 ,  特徴抽出 ,  統計量 ,  *機械学習 ,  サイバー攻撃
準シソーラス用語： デファクトスタンダード ,  ランダム性 ,  メトリックス ,  プロファイリング ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： サイドチャネル解析 ,  深層学習 ,  エントロピーの推測 ,  正中

分類 (2件)： データ保護  (JD01020V) ,  符号理論  (ND02030R)

タイトルに関連する用語 (4件)： 深層学習 ,  チャネル ,  解析 ,  評価