【技术实现步骤摘要】
本专利技术属于侧信道分析领域,尤其涉及一种基于cnn的侧信道指令识别方法及系统。
技术介绍
1、侧信道指令识别,即使用侧信道信息对芯片执行的指令进行识别,侧信道信息指芯片在运行的过程中无意识产生的物理信息,包括芯片的功耗、电磁辐射、温度、声音等。能量迹这里指在一定时间范围内采集到的芯片功耗信息。
2、传统的侧信道指令识别方法,一般分为三个步骤:将单指令能量迹截取成相同尺寸、提取处理后的能量迹中的特征、识别能量迹对应的指令类型。对原始的单指令能量迹进行截取会损失能量迹数据中的部分信息特征,对侧信道指令识别的识别准确率产生消极影响。
3、因此,有必要提出一种对能量迹数据尺寸具有自适应能力的侧信道指令识别模型来解决上述问题。
技术实现思路
1、为了解决上述技术问题,本专利技术提出了一种基于cnn的侧信道指令识别方法及系统。
2、本专利技术方法的技术方案为一种基于cnn的侧信道指令识别方法,其特征在于,包括以下步骤:
3、步骤1:获取多条单指令能量迹数据,将多条单指令能量迹数据均匀划分为多个批次单指令能量迹数据样本,通过标记得到每个批次单指令能量迹数据样本每条单指令能量迹数据标记的指令类型;
4、步骤2:构建循环卷积侧信道指令识别模型,将每个批次单指令能量迹数据样本输入至循环卷积侧信道指令识别模型进行类型识别,得到每个批次单指令能量迹数据样本每条单指令能量迹数据预测的指令类型,结合每个批次单指令能量迹数据样本每条单指令能量迹数据标
5、步骤3:获实时的单指令能量迹数据,输入至所述优化后循环卷积侧信道指令识别模型进行类型识别,得到实时的单指令能量迹数据预测的指令类型;
6、作为优选,步骤1所述多个批次单指令能量迹数据样本,定义如下:
7、batchk=(data(k-1)*l+1,data(k-1)*l+2,...,data(k-1)*l+l)
8、data(k-1)*l+i=(p(k-1)*l+i,1,p(k-1)*l+i,2,…,p(k-1)*l+i,n_i)
9、k∈[1,k]
10、其中,batchk表示第k个批次单指令能量迹数据样本,data(k-1)*l+i表示第k个批次单指令能量迹数据样本第i条单指令能量迹数据,即第(k-1)*l+i条单指令能量迹数据,p(k-1)*l+i,n表示第k个批次单指令能量迹数据样本第i条单指令能量迹数据中第n个功耗数据,即第(k-1)*l+i条单指令能量迹数据中第n个功耗数据,n∈[1,n_i],n_i表示第k个批次单指令能量迹数据样本第i条单指令能量迹数据功耗数据的数量,即第(k-1)*l+i条单指令能量迹数据功耗数据的数量,i∈[1,l],l表示每个批次单指令能量迹数据样本单指令能量迹数据的数量,k表示批次的数量;
11、作为优选,步骤1所述每个批次单指令能量迹数据样本每条单指令能量迹数据标记的指令类型,定义如下:
12、y(k-1)*l+i
13、其中,y(k-1)*l+i表示第k个批次单指令能量迹数据样本第i条单指令能量迹数据的指令类型,即第(k-1)*l+i条单指令能量迹数据中第n个功耗数据的指令类型;
14、作为优选,步骤2所述构建循环卷积侧信道指令识别模型,具体如下:
15、所述循环卷积侧信道指令识别模型包括:
16、第一卷积层、第一批标准化层、第一池化层、
17、第二卷积层、第二批标准化层、第二池化层、
18、第三卷积层、第三批标准化层、第三池化层、
19、第四卷积层、第四批标准化层、
20、空间金字塔池化层、全连接层、softmax层;
21、所述的第一卷积层、第一批标准化层、第一池化层、第二卷积层、第二批标准化层、第二池化层、第三卷积层、第三批标准化层、第三池化层、第四卷积层、第四批标准化层、空间金字塔池化层、全连接层、softmax层依次级联;
22、所述第一卷积层,用于输入每个批次单指令能量迹数据样本,依次通过卷积提取得到每个批次单指令能量迹数据样本每条单指令能量迹数据的第一卷积特征,并输出至所述第一批标准化层;
23、所述第一批标准化层,用于输入每个批次单指令能量迹数据样本每条单指令能量迹数据的第一卷积特征,使用每个批次单指令能量迹数据样本所有单指令能量迹数据的第一卷积特征的平均值、标准差对每个批次单指令能量迹数据样本每条单指令能量迹数据的第一卷积特征依次进行归一化处理,具体如下:
24、将每个批次单指令能量迹数据样本每条单指令能量迹数据的第一卷积特征减去每个批次单指令能量迹数据样本所有单指令能量迹数据的第一卷积特征的平均值除以批次的、每个批次单指令能量迹数据样本所有单指令能量迹数据的标准差得到每个批次单指令能量迹数据样本每条单指令能量迹数据的第一归一化特征,并输出至所述第一池化层;
25、所述第一池化层,用于输入每个批次单指令能量迹数据样本每条单指令能量迹数据的第一归一化特征,通过最大池化提取得到每个批次单指令能量迹数据样本每条单指令能量迹数据的第一池化特征,并输出至所述第二卷积层;
26、所述第二卷积层,用于输入每个批次单指令能量迹数据样本每条单指令能量迹数据的第一池化特征,通过卷积提取得到每个批次单指令能量迹数据样本每条单指令能量迹数据的第二卷积特征,并输出至所述第二批标准化层;
27、所述第二批标准化层,用于输入每个批次单指令能量迹数据样本每条单指令能量迹数据的第二卷积特征,使用每个批次单指令能量迹数据样本所有单指令能量迹数据的第二卷积特征的平均值、标准差对每个批次单指令能量迹数据样本每条单指令能量迹数据的第二卷积特征依次进行归一化处理,具体如下:
28、将每个批次单指令能量迹数据样本每条单指令能量迹数据的第二卷积特征减去每个批次单指令能量迹数据样本所有单指令能量迹数据的第二卷积特征的平均值除以批次的、每个批次单指令能量迹数据样本所有单指令能量迹数据的标准差得到每个批次单指令能量迹数据样本每条单指令能量迹数据的第二归一化特征,并输出至所述第二池化层;
29、所述第二池化层,用于输入每个批次单指令能量迹数据样本每条单指令能量迹数据的第二归一化特征,通过最大池化提取得到每个批次单指令能量迹数据样本每条单指令能量迹数据的第二池化特征,并输出至所述第三卷积层;
30、所述第三卷积层,用于输入每个批次单指令能量迹数据样本每条单指令能量迹数据的第二池化特征,通过卷积提取得到每个批次单指令能量迹数据样本每条单指令能量迹数据的第三卷积特征,并输出至所述第三批标准化层;
31、所述第三批标准化层,用于输入每个批次单指令能量迹数据样本每条单指令能量迹数据的第三卷积特征,使用每个批次单指令能量迹数据样本所有单本文档来自技高网...
【技术保护点】
1.一种基于CNN的侧信道指令识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于CNN的侧信道指令识别方法,其特征在于:
3.根据权利要求2所述的基于CNN的侧信道指令识别方法,其特征在于:
4.根据权利要求3所述的基于CNN的侧信道指令识别方法,其特征在于:
5.根据权利要求4所述的基于CNN的侧信道指令识别方法,其特征在于:
6.根据权利要求5所述的基于CNN的侧信道指令识别方法,其特征在于:
7.根据权利要求6所述的基于CNN的侧信道指令识别方法,其特征在于:
8.根据权利要求7所述的基于CNN的侧信道指令识别方法,其特征在于:
9.根据权利要求8所述的基于CNN的侧信道指令识别方法,其特征在于:
10.一种基于CNN的侧信道指令识别系统,其特征在于,包括:
【技术特征摘要】
1.一种基于cnn的侧信道指令识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于cnn的侧信道指令识别方法,其特征在于:
3.根据权利要求2所述的基于cnn的侧信道指令识别方法,其特征在于:
4.根据权利要求3所述的基于cnn的侧信道指令识别方法,其特征在于:
5.根据权利要求4所述的基于cnn的侧信道指令识别方法,其特征在于:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。