遗传算法能量分析中初始化与变异机制研究.pdfVIP

第9卷第2期信息安全学报Vol.9No.2

2024年3月JournalofCyberSecurityMarch2024

遗传算法能量分析中初始化与变异机制研究

12344

许一骏,李圆,唐明环,丁瑶玲,王安

1国家工业信息安全发展研究中心软件所北京中国100040

2北京理工大学计算机学院北京中国100081

3中国工业互联网研究院安全研究所北京中国100102

4北京理工大学网络空间安全学院北京中国100081

摘要人工智能与侧信道密码分析相结合,给密码分析学带来了新的研究方向。近十年来,遗传算法被引入侧信道分析,国际上

出现了一系列相关研究成果。然而,现有基于遗传算法的相关能量分析存在局部最优问题,使整个分析过程的效率偏低。本文

旨在建立局部最优与成功率之间的关系,选取科学的初始化与变异机制,以显著提升使用人工智能算法开展侧信道分析的效

率。我们首先探究了遗传算法能量分析成功、以及陷入局部最优的本质原因,随后从初始化机制、变异机制两个角度尝试克服

局部最优问题,引入随机初始化、相关能量分析初始化、随机字节变异、基于密钥适应度排名的启发式变异等四种机制进行组

合对比。通过参数选取、成功率对比、计算代价对比等多次实验得到结论:相关能量分析初始化结合随机字节变异的方法具有

最高的成功率,同时计算代价也最小。

与此同时,本文总结了遗传算法相关能量分析方法不适用于软件实现、难以分析大位宽运算、攻击防护对策时复杂度高、

信噪比低时复杂度高等局限性问题,建议密码硬件计算过程中尽量不要将以字节或比特为单位计算的值存入寄存器,以防护遗

传算法类能量分析攻击,并对未来工作进行了展望。我们认为,新方法在分析无防护硬件实现的分组密码算法时具有较高的实

用性,建议应用于实际的侧信道分析测评工作。

关键词密码学;能量分析攻击;遗传算法;变异机制;初始化机制

中图法分类号TP391DOI号10.19363/J.10-1380/tn.2024.03.05

InitializationandMutationMechanismin

Genetic-Algorithm-BasedPowerAnalysis

12344

XUYijun,LIYuan,TANGMinghuan,DINGYaoling,WANGAn

1InstituteforSoftware,TheC