基于SVM的RSA电磁旁路分析：提高密钥识别精度

本文主要探讨了一种创新的计算机工程与应用领域的研究方法，即"基于支持向量机的RSA电磁旁路分析"。RSA是一种广泛应用的公钥加密算法，然而，在实际的密码学攻击中，如旁路分析，由于噪声的存在，传统的旁路信号分析（Simple Power Analysis, SPA）可能难以直接揭示加密过程，特别是对模幂运算中的平方和乘法操作的识别。 论文针对这一挑战，提出了将支持向量机（Support Vector Machine, SVM）技术引入到RSA旁路分析中。支持向量机是一种强大的机器学习工具，特别适用于分类任务，它通过构建最优决策边界来区分不同的数据类别。在这个场景下，作者将SVM用于对二进制模幂运算中的平方和乘法操作进行有效分类，利用密钥与操作之间的内在关联性，推测出RSA的二进制密钥序列。 研究者针对移动设备的PCM-9589F凌动主板进行了实验，采用串口通信技术收集CPU的电磁旁路信号，然后运用单类支持向量机（Single-Class SVM）算法，设定70%的分类正确率作为阈值。这种方法能够有效地识别出RSA加密过程中的平方和乘法操作，从而提取出OpenSSL加密库中1024位RSA加密算法的密钥序列。这种方法相较于传统的SPA方法，显著提高了旁路信号的利用率，克服了因信号质量差导致的传统破解方法难以奏效的问题。 本文的研究成果对于提高RSA密钥分析的准确性和鲁棒性具有重要意义，也为其他复杂加密算法的旁路分析提供了新的思路和技术支持。关键词包括旁路分析、支持向量机、操作识别以及移动设备，该研究被归类于计算机工程的TN918类别，并发表在《计算机工程与应用》杂志上，2019年第15期，具有较高的学术价值。