JSSC 2020第3期Digital Circuits28nm

Machine Learning Assisted Side-Channel-Attack Countermeasure and Its Application

提出一种基于机器学习的抗侧信道攻击方法，通过优化汉明距离概率保护加密电路。

28-nm CMOS, 1.5 million traces resistance, 38% power overhead, 36% area overhead

侧信道攻击机器学习汉明距离AES-128抗攻击

▸创新点1：基于机器学习的抗侧信道攻击方法，通过机器学习算法优化汉明距离概率分布，使得正确和错误的子密钥无法被区分，显著提升了抗攻击能力。

▸创新点2：汉明距离概率补偿技术，通过补偿电路直接调整中间数据的汉明距离概率，有效抵御基于相关性的侧信道攻击，实验验证其抗攻击能力提升了446倍。

▸创新点3：低功耗和面积开销设计，在28-nm CMOS工艺下实现，仅增加38%的功耗和36%的面积，适用于资源受限的加密电路，且不影响频率和吞吐率。

▸创新点4：系统集成与验证，将提出的方法应用于AES-128电路，并通过1.5百万条迹线实验验证其有效性，展示了实际应用中的可行性和稳定性。

Abstract

Hardware countermeasure of side channel attack (SCA) becomes necessary to protect crypto circuits. Many countermeasures endured large area and power consumption. We propose a SCA-resistant methodology based on machine learning, which compensates the Hamming distance (HD) probability of the intermediate data directly. By making the HD probabilities unable to be distinguished from correct and incorrect sub-keys, it provides resistance to SCA. Optimum HD redistribution is obtained by a machine lear