基于改进小波包分解的相关功耗攻击降噪方法

发布时间：2021-04-08 07:58

　　侧信道攻击中功耗数据纯净度影响功耗攻击效率和密钥破解准确率,通常采用小波变换或小波包变换等降噪方法进行功耗预处理,但小波变换方法在表征数据时易忽略高频信息,而小波包变换方法的降噪阈值不具备普适性。针对上述问题,提出一种将小波包分解与奇异谱分析相结合的相关功耗攻击降噪方法。使用小波包变换方法分解功耗数据,利用奇异谱分析处理低频和高频信息,并根据奇异熵分布趋势自适应地提取功耗信息以提高数据质量。采用SM4算法进行选择明文攻击的实验结果表明,与改进前小波包降噪方法相比,该方法能有效提升功耗数据的信噪比和相关功耗攻击效率,降低密钥破解所需功耗。 

【文章来源】：计算机工程. 2020,46(07)北大核心CSCD

【文章页数】：8 页

【部分图文】：

信号S的两层小波分解流程

小波包变换(Wavelet Packet Transform,WPT)方法是对小波变换方法的提升与改进[17],其基本思想是让信息能量集中,在细节中寻找有序性并筛选出其中规律,从而对信号进行精细分析。与小波变换方法仅对信号低频数据分解不同,小波包变换方法对信号高频数据也进行分解,并根据被分析信号的特征自适应地选择相应频带,使之与信号频谱相匹配,从而提高时频分辨率。小波包变换在小波变换基础上提供更多可使用的正交基,信号S的两层小波包分解流程如图2所示。小波包分解的函数方程如式(2)[18]所示:

针对上述问题,本文将奇异谱分析添加到小波包分解降噪过程中,对功耗数据进行预处理以提高功耗攻击效率和密钥破解准确率。针对从实验室采集到的功耗数据,使用小波包对每条功耗高频信息与低频信息逐层分解形成小波包分解树(本文选择使用sym6小波,分解6层),选择一个合适熵标准,使用Matlab自带的小波包相关函数(besttree()函数计算小波包最佳树,由leaves()函数获得小波包树所有节点,wpcoef()函数计算节点系数值)求解小波包分解的最佳小波包树,如图3所示。使用奇异谱分析计算小波包树各节点最佳奇异谱值。某节点分解后低频系数和高频系数的奇异谱值分布如图4所示。而根据奇异熵定义:

【参考文献】：
期刊论文
[1]改进小波包阈值算法在振动信号去噪中的应用[J]. 吕楠楠,苏淑靖,翟成瑞.  探测与控制学报. 2018(01)
[2]基于小波包的AES相关功耗分析攻击[J]. 段晓毅,佘高健,高献伟,何斯曼,崔琦,王思翔,毛泽宇.  计算机工程. 2017(06)
[3]SM4算法的差分功耗以及相关功耗分析研究[J]. 滕永平,陈运,陈俊,黄永远,程思鹏.  成都信息工程学院学报. 2014(01)
[4]基于小波分析的信号去噪方法[J]. 刘志松.  浙江海洋学院学报(自然科学版). 2011(02)
[5]小波变换与傅立叶变换相结合的信号实例分析[J]. 潘明忠,吕新华,张立波,王鹏.  信息安全与通信保密. 2007(06)
[6]小波变换在信号消噪中的应用[J]. 彭燕妮.  重庆大学学报(自然科学版). 2004(10)
[7]机械信号奇异熵研究[J]. 杨文献,姜节胜.  机械工程学报. 2000(12)

硕士论文
[1]基于小波包变换的量化择时策略的研究[D]. 齐祥会.西北大学 2018



本文编号：3125177