基于半监督学习的AES算法功耗分析
2022-11-04 20:44:27   来源：    点击：

摘要:基于机器学习的功耗分析是目前功耗分析的主要研究方向之一，属于建模类的攻击．针对无掩码防护的AES算法实现，本文将半监督机器学习算法Tri-Training 应用于功耗分析,有效减少了用机器学习算法进行建模时所需要的有标记能量迹数量．相较于基于有监督机器学习的建模类功耗分析，使用Tri-Training算法可以有效减小对有标记能量迹的需求，更具有现实意义.然而,Tri-Training 算法在初始分类器较弱时，容易出现错误标记现象，影响分类的准确率和建模的效率．对此本文在使用Tri-Training算法进行建模时引入了阈值判断操作,提高了分类的准确率，并对比了不同阈值对分类准确率的影响．本文对在ATM89S52单片机上实现的AES-128算法进行建模类功耗分析,实验结果表明,在使用80条有标记能量迹时，相较于使用有监督学习算法的准确率为63.49%，本方法的准确率为74.56%，准确率提升了约11%.