메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
권홍필 (호서대학교) 배대현 (호서대학교) 하재철 (호서대학교)
저널정보
한국정보보호학회 정보보호학회논문지 정보보호학회논문지 제29권 제5호
발행연도
2019.10
수록면
997 - 1,006 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 기존 전력 분석 공격의 어려움과 비효율성을 극복하기 위해 딥 러닝 기반의 MLP(Multi-Layer Perceptron) 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, 16바이트의 비밀 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.
#Side-Channel Analysis #Power Analysis Attack #Deep Learning MLP #Machine Learning SVM

목차

요약
ABSTRACT
I. 서론
II. 배경지식
III. 전력 분석 모델 디자인
IV. 실험 결과
V. 결론
References

참고문헌 (15)

참고문헌 신청
F. X. Standaert, B. Gierlichs, and I. Verbauwhede, Partition vs. comparison side-channel Distinguishers : An empirical evaluation of statistical tests for univariate side-channel attacks against two unprotected CMOS device, ICISC'08, LNCS 5461, pp. 253-267, 2008. google schola S. Mangard, E. Oswald, and T. Poop, “Power analysis attacks: Revealing the secrets of smart cards,” Springer, 2008. google schola F. Rosenblatt, The perceptron: A probabilistic model for information storage and organization in the brain, Psychological Review, Vol. 65, No. 6, 1958. google schola R. Collobert and S. Benjio, Links between perceptrons, MLPs and SVMs, Proceedings of the twentyfirst international conference on Machine learning, ICML'04, p. 23, 2004. google schola Federal Information Processing Standards Publication (FIPS 197), Advanced Encryption Standard(AES), 2001. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

비프로파일링 기반 전력 분석의 성능 향상을 위한 오토인코더 기반 잡음 제거 기술
권동근 ,  진성현 ,  김희석 외 1명 정보보호학회논문지 2019 .06
소비 전력 테이블 생성을 통한 부채널 분석의 성능 향상
고가영 ,  진성현 ,  김한빛 외 2명 정보보호학회논문지 2017 .08
프로파일링 단계에서 파형 선별을 통한 템플릿 공격의 성능 향상
진성현 ,  김태원 ,  김희석 외 1명 정보보호학회논문지 2017 .02
비밀 중간키를 이용한 소프트웨어적 전력분석공격 방어대책
박영구 ,  김형락 ,  이훈재 외 2명 한국정보통신학회논문지 2013 .12
Multi-Layer Perceptron과 Random Forest를 이용한 실린더 판재의 성형 조건 예측
김성겸 ,  황세윤 ,  이장현 대한조선학회 논문집 2020 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-004-001312668