DOI: 10.17586/2226-1494-2019-19-6-1122-1129


УДК 004.056

ПОВЫШЕНИЕ УРОВНЯ РАСПОЗНАВАНИЯ УТЕЧЕК ИНФОРМАЦИИ ПО СТОРОННИМ КАНАЛАМ С ИСПОЛЬЗОВАНИЕМ ВЭЙВЛЕТ-ПРЕОБРАЗОВАНИЯ 

Слепцова Д.М., Левина А.Б.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Слепцова Д.М., Левина А.Б. Повышение уровня распознавания утечек информации по сторонним каналам с использованием вэйвлет-преобразования // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 6. С. 1122–1129. doi: 10.17586/2226-1494-2019-19-6-1122-1129


Аннотация
Предмет исследования. Представлены результаты экспериментального исследования влияния предобработки на основе вэйвлетного преобразования на величину статистической утечки информации в сигнале, полученном по сторонним каналам. Изучаемый сигнал получен по электромагнитному стороннему каналу с платы на базе процессора ARM-Cortex M4F. Съем сигнала произведен на расстояниях 1 мм и 3 см. Во время снятия сигнала на плате выполнялся алгоритм AES (Advanced Encryption Standard). Метод. Электромагнитный сигнал после снятия обрабатывается при помощи дискретного вэйвлет-преобразования со сжатием коэффициентов детализации. Исследовано влияние различных порогов сжатия, вэйвлет-функций, а также уровня вэйвлет-разложения сигнала. После обработки на записях сигнала проводится анализ утечек при помощи метода оценки утечки тестового вектора (TVLA), основанного на статистическом тесте Уэлча. Полученные оценки используются для сравнения вэйвлет-преобразования с оценкой утечки, проведенной на оригинальном сигнале. Основные результаты. Сигнал, обработанный при помощи вэйвлет-преобразования, показывает более высокие показатели статистического теста, что означает большую уверенность в наличии утечки информации. Универсальный порог и обнуление коэффициентов детализации увеличивают величину t-критерия в 1,4 раза. Третий уровень разложения показал наивысший результат для всех вэйвлет-функций. Дискретный вэйвлет Мейера показывает лучший результат во всех экспериментах, также стабильный результат в экспериментах показывают симлеты и коифлеты. Практическая значимость. Статистические методы, такие как статистический тест Уэлча, позволяют обнаруживать утечки без проведения дорогостоящих и трудоемких исследований и атак. Вэйвлет-преобразование и обработка полученного сигнала увеличивает информационные составляющие сигнала, что позволяет получить более близкие к реальным статистические профили сигналов. Вэйвлет-преобразование также позволяет находить утечки на меньшем количестве записей сигнала.

Ключевые слова: вэйвлет-преобразование, сторонние каналы, статистический тест Уэлча, электромагнитные утечки, пороговая филь- трация

Список литературы
  1. Kocher P. Timing attack on implementation of Diffie-Hellman, RSA, DSS and other systems // Lecture Notes in Computer Science. 1996. V. 1109. P. 104–113.
  2. Kocher P., Jaffe J., Jun B. Differential power analysis // Lecture Notes in Computer Science. 1999. V. 1666. P. 388–397.
  3. Gandolfi K., Mourtel C., Olivier F. Electromagnetic attacks: concrete results // Proc. CHES. Paris, France.2001. P. 252–261.
  4. Quisquater J-J., Samyde D. Electromagnetic analysis (EMA): Measures and countermeasures for smart cards // Lecture Notes in Computer Science. 2001. V. 2140. P. 200–210.
  5. Rao J.R., Rohatgi P. EMpowering side-channel attacks [Электронный ресурс]. URL: https://eprint.iacr.org/2001/037.pdf, свободный. Яз. англ. (дата обращения: 06.08.2019).
  6. Chari A., Rao J.R., Rohatgi P.Тemplate attacks // Lecture Notes in Computer Science. 2002. V. 2523. P. 13–28. doi: 10.1007/3-540-36400-5_3
  7. Le T.-H., Clédière J., Servière C., Lacoume J.-L. Noise reduction in side channel attack using fourth-order cumulant // IEEE Transactions on Information Forensics and Security. 2007. V. 2. N 4. P. 710–720. doi: 10.1109/TIFS.2007.910252
  8. Le T.-H., Clédière J., Servière C., Lacoume J.-L. How can signal processing benefit side channel attacks? // Proc. Workshop on Signal Processing Applications for Public Security and Forensics. (SAFE'07). 2007. P. 4218943.
  9. Souissi Y., Danger J.-L., Mekki S., Guilley S., Nassar M. Techniques for electromagnetic attacks enhancement // Proc. 5th International Conference on Design and Technology of Integrated Systems in Nanoscale Era (DTIS 2010). 2010. P. 5487590. doi: 10.1109/DTIS.2010.5487590
  10. Souissi Y., Guilley S., Danger J.-L., Mekki S., Duc G. Improvement of power analysis attacks using Kalman filter // Proc. IEEE International Coriference on Acoustics, Speech and Signal Processing (ICASSP 2010). 2010. P. 1778–1781. doi: 10.1109/ICASSP.2010.5495428
  11. Charvet X., Pelletier H. Improving the DPA attack using Wavelet transform [Электронный ресурс]. URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.473.6813&rep=rep1&type=pdf, свободный. Яз. англ. (дата обращения: 06.08.2019).
  12. Li J., Li S., Shi Y., Zhou E. Wavelet de-noising method in the side-channel attack // Proc. 5thIEEE International Conference on Signal Processing, Communications and Computing (ICSPCC). 2015. P. 7338933. doi: 10.1109/ICSPCC.2015.7338933
  13. Ai J., Wang Z., Zhou X., Ou C.Improved wavelet transform for noise reduction in power analysis attacks // Proc. 2016 IEEE International Conference on Signal and Image Processing (ICSIP). 2016. P. 602–606. doi: 10.1109/SIPROCESS.2016.7888333
  14. Park A., Han D.-G., Ryoo J. CPA performance comparison based on Wavelet Transform // Proc. 46th IEEE International Carnahan Conference on Security Technology (ICCST). 2012. P. 201–206. doi: 10.1109/CCST.2012.6393559
  15. Goodwill G., Jun B., Jaffe J., Rohatgi P. A testing methodology for side­channel resistance validation [Электронный ресурс]. URL: https://csrc.nist.gov/csrc/media/events/non-invasive-attack-testing-workshop/documents/08_goodwill.pdf, свободный. Яз. англ. (дата обращения: 06.08.2019).
  16. Test Vector Leakage Assessment (TVLA) Derived Test Requirements (DTR) with AES [Электронный ресурс]. URL: https://www.rambus.com/wp-content/uploads/2015/08/TVLA-DTR-with-AES.pdf, свободный. Яз. англ. (дата обращения: 12.10.2019).
  17. Silverman B.W. Wavelets in statistics: beyond the standard assumptions [Электронный ресурс]. URL: http://doi.org/10.1098/rsta.1999.0442, ограниченный. Яз. англ. (дата обращения: 22.09.2019).


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2019 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика