EM-X-DL：具有嘈杂电磁签名的高效跨设备深度学习侧信道攻击

 本工作提出了一种基于跨设备深度学习的电磁(EM-X-DL)侧信道分析(SCA)，与之前的工作相比，即使在信噪比(SNR)显著降低的情况下，AES-128的单次跟踪攻击准确率也能达到90%以上。通过对多个训练设备的智能选择和超参数的适当选择，提出的256类深度神经网络(DNN)可以在目标上利用PCA、LDA和FFT等预处理技术进行有效训练。在8位Atmel微控制器上运行的加密引擎。最后，利用EM-X-DL建立了一个高效的端到端SCA泄漏检测和攻击框架，证明了攻击者对CCS概念：安全与隐私→嵌入式系统安全；侧信道分析与对策。附加关键词和短语：电磁侧信道攻击、跨设备攻击、深度学习、剖析攻击、端到端SCA。 导言随着嵌入式设备的日益普及和物联网(IoT)的发展，这些设备的安全性已成为人们关注 ………………………………