Multi-Layer Perceptron 기법을 이용한 전력 분석 공격 구현 및 분석 = Implementation and Analysis of Power Analysis Attack Using Multi-Layer Perceptron Method

다국어 초록 (Multilingual Abstract)

To overcome the difficulties and inefficiencies of the existing power analysis attack, we try to extract the secret keyembedded in a cryptographic device using attack model based on MLP(Multi-Layer Perceptron) method. The target of ourproposed power analysis attack is the AES-128 encryption module implemented on an 8-bit processor XMEGA128. We usethe divide-and-conquer method in bytes to recover the whole 16 bytes secret key. As a result, the MLP-based poweranalysis attack can extract the secret key with the accuracy of 89.51%. Additionally, this MLP model has the 94.51%accuracy when the pre-processing method on power traces is applied. Compared to the machine leaning-based modelSVM(Support Vector Machine), we show that the MLP can be a outstanding method in power analysis attacks due toexcellent ability for feature extraction.

국문 초록 (Abstract)

본 논문에서는 기존 전력 분석 공격의 어려움과 비효율성을 극복하기 위해 딥 러닝 기반의 MLP(Multi-LayerPerceptron) 알고리즘을 기반으로 한 공격 모델을 사용하여 암호 디바이스의 비밀 키를 찾는 공격을 시도하였다.
제안하는 전력 분석 공격 대상은 XMEGA128 8비트 프로세서 상에서 구현된 AES-128 암호 모듈이며, 16바이트의비밀 키 중 한 바이트씩 복구하는 방식으로 구현하였다. 실험 결과, MLP 기반의 전력 분석 공격은 89.51%의 정확도로 비밀 키를 추출하였으며 전처리 기법을 수행한 경우에는 94.51%의 정확도를 나타내었다. 제안하는 MLP 기반의 전력 분석 공격은 학습을 통한 feature를 추출할 수 있는 성질이 있어 SVM(Support Vector Machine)과 같은 머신 러닝 기반 모델보다 우수한 공격 특성을 보임을 확인하였다.

참고문헌 (Reference)

1 ChipWhispererⓇ - NewAE Technology Inc, "chipwhisperer"

2 F. Rosenblatt, "The perceptron: A probabilistic model for information storage and organization in the brain" 65 (65): 1958

3 S. Chari, "Template Attacks" 2523 : 13-28, 2002

4 C. Cortes, "Support-vector networks" 20 (20): 273-297, 1995

5 S. Mangard, "Power analysis attacks: Revealing the secrets of smart cards" Springer 2008

6 F. X. Standaert, "Partition vs. comparison side-channel Distinguishers :An empirical evaluation of statistical tests for univariate side-channel attacks against two unprotected CMOS device" 5461 : 253-267, 2008

7 Z. Martinasek, "Optimization of power analysis using neural network" 8419 : 94-107, 2014

8 G. Hospodar, "Machine learning in side-channel analysis : a first study" 1 (1): 293-302, 2011

9 R. Collobert, "Links between perceptrons, MLPs and SVMs" 23-, 2004

10 T. Hofmann, "Kernel Methods in Machine Learning" 36 (36): 1171-1220, 2008

11 Z. Martinasek, "Innovative method of the power analysis" 22 (22): 589-594, 2013

12 "Federal Information Processing Standards Publication (FIPS 197), Advanced Encryption Standard(AES)"

13 P. Kocher, "Differential Power Analysis" 1999

14 E. Brier, "Correlation Power Analysis with a Leakage Model" 3156 : 16-29, 2004

15 W. Schindler, "A Stochastic Model for Differential Side Channel Cryptanalysis" (3659) : 30-46, 2005