基于GHM多小波去噪的功耗分析攻击提升效率

本文研究的论文聚焦于"基于GHM多小波算法的功耗分析攻击"，针对功耗信号在密钥获取中的关键作用以及信噪比对其成功率的影响。功耗分析通常依赖于收集到的功耗数据，其中噪声的存在会显著降低分析的准确性。因此，论文提出了一种新的预处理方法，即采用GHM（Generalized Hybrid Matrix）多小波技术进行去噪。 GHM多小波是一种先进的信号处理工具，它能够有效地分离信号中的不同频率成分，特别是针对非平稳噪声，通过设置阈值可以精确地滤除不相关的噪声成分。通过这种方法，论文旨在提高功耗信号的信噪比，从而提升功耗分析的攻击效率。具体实验是在MEGA16微控制器上进行的，研究者采集了使用固定密钥和随机明文的AES（高级加密标准）算法的功耗曲线，对比了原始功耗曲线和经过GHM多小波去噪后的曲线。 实验结果显示，去噪处理后的功耗曲线使得相关功耗分析所需的数据量减少了89.5%，并且相关系数平均提高了107.9%。这有力地证明了基于GHM多小波去噪预处理方法在实际应用中的有效性。研究者强调，这一成果对于提高基于功耗分析的安全攻击手段，尤其是在芯片安全领域，具有重要意义。 论文还介绍了作者团队的研究背景，包括多位来自北京电子科技学院的讲师、硕士和教授，他们的研究方向涵盖芯片安全、密码工程等领域。这表明了团队在该领域的深厚积累和技术实力，为后续的功耗分析攻防研究奠定了坚实基础。 关键词包括"相关功耗分析"、"AES算法"、"多小波"和"去噪"，这些关键词揭示了论文的核心研究内容和贡献。整体来看，这篇论文提供了一种有效的信号处理策略，对于提升功耗分析攻击的精度和效率具有实用价值。