[논문]선형판별분석을 이용한 전력분석 기법의 성능 향상

강지수; 김희석; 홍석희

doi:10.13089/jkiisc.2014.24.6.1055

선형판별분석을 이용한 전력분석 기법의 성능 향상
The Enhanced Power Analysis Using Linear Discriminant Analysis 원문보기

情報保護學會論文誌 = Journal of the Korea Institute of Information Security and Cryptology, v.24 no.6, 2014년, pp.1055 - 1063

강지수 (삼성전자) , 김희석 (국과학기술정보연구원) , 홍석희 (고려대학교)

초록
AI-Helper

전력소모량을 이용한 부채널 분석의 성능 향상을 위해 다양한 분석기법이 제안되고 있다. 이들 중, 사전처리 단계에서 적용 가능한 파형압축은 전력분석을 위한 소요시간을 단축하고 수집신호의 잡음성분을 줄이기 위해 널리 사용되는 방법이다. 본 논문에서는 영상처리 등에 많이 사용되고 있는 선형판별분석(Linear Discriminant Analysis)을 이용한 전력분석기법을 제안한다. 또한, 실험을 통해 기존의 파형압축방법 중 가장 성능이 좋은 것으로 알려진 주성분분석(Principal Component Analysis)을 이용한 방법과의 성능 비교를 통해 제안기법의 우수성을 증명한다.

Abstract ▼ AI-Helper

Recently, various methods have been proposed for improving the performance of the side channel analysis using the power consumption. Of those method, waveform compression method applies to reduce the noise component in pre-processing step. In this paper, we propose the new LDA(Linear Discriminant Analysis)-based signal compression method finding unique feature vector. Through experimentations, we are comparing the proposed method with the PCA(Principal Component Analysis)-based method which has known for the best performance among existing signal compression methods.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 선형판별분석(Linear Discriminant Analysis, LDA)을 이용한 전력분석을 제안한다. 선형판별분석은 주성분분석과 함께 얼굴 인식과 같은 패턴인식 분야에서 인식률을 높이기 위해 사용되는 데이터 마이닝 기법[7]으로, 두 분석 방법은 신호의 특성을 반영하는 특징벡터를 찾는데 사용된다는 점은 같지만 신호를 해석하는 접근방향에서 차이를 갖는다.
본 절에서는 수집된 파형정보를 선형판별분석을 이용해 압축하는 전처리 방법을 설명한다.

가설 설정

① n개의 수집파형에 대해 압축대상구간의 길이를 m이라고 하자. 해당 구간의 데이터 X 는 식(1) 과 같이 n × m의 크기를 갖는 행렬로 표현할 수 있다.

제안 방법

먼저 압축하지 않은 파형에 대한 상관전력분석을 진행했다. AES 1라운드의 첫 번째 부분키 1바이트를 목표로, S-box출력의 해밍웨이트(hamming weight)를 전력모델로 사용했다. 해당 모델은 추후 압축된 파형을 이용한 공격에도 공통으로 사용했다.
이후, 실험은 선형판별분석과 주성분분석으로 파형을 압축하고 압축한 파형에 대해 상관계수분석을 하는 방법으로 진행되었으며 정량적 비교를 위해 신호 대 잡음비를 함께 계산해 공격 결과와의 연관성을 분석했다. 각 압축기법의 압축단위구간에 따른 성질을 알아보기 위해 압축단위구간은 1클록에 해당하는 20포인트를 기준으로 16클록에 해당하는 320포인트까지 두 배씩 증가시키며 진행했으며, 공격시점은 파형을 압축하지 않고 수행한 상관전력분석의 결과를 이용해 옳은 키의 상관계수가 가장 높았던 시점을 중심으로 하는 한 개의 구간에 대해 진행했다.
먼저 압축하지 않은 파형에 대한 상관전력분석을 진행했다. AES 1라운드의 첫 번째 부분키 1바이트를 목표로, S-box출력의 해밍웨이트(hamming weight)를 전력모델로 사용했다.
본 논문에서는 공격의 목표가 되는 내부상태값이 가질 수 있는 모든 경우에 대해 클래스를 나누고 선형판별분석을 적용했다. 이 때, 공격자는 파형과 함께 수집된 평문들과 공격의 목표가 되는 내부 상태값의 관계를 이용할 수 있다.
본 논문에서는 전력분석 향상을 위한 신호압축에선형판별분석을 적용하여 기존의 주성분분석을 적용 하는 방법과 비교하였다.
또한 제안 기법은 내부상태값이 연산되는 시점을 정확히 모른다 하더라도 분석이 가능한 공격기법으로 차분전력분석, 상관전력분석과 같은 조건하에서 수행될 수 있는 분석기법이다. 본 논문에서는 제안 기법의 우수성을 증명하기 위해 32비트 ARM프로세서에 구현된 암호알고리듬의 전력파형을 측정하여 주성분분석을 활용한 기존 파형압축과의 성능을 비교하였다. 실험 결과, 제안 기법이 공격에 이용되는 파형개수가 더 적을 뿐 아니라 신호 대 잡음비 또한 증가하는 것으로 확인되었다.
선형판별분석은 데이터의 클래스정보를 이용해 최적분류 목적의 특징벡터를 찾는다는 점에서 주성분분석과 다른 성격을 갖는다. 선형판별분석을 전력분석에 적용하기 위해 평문/암호문 정보를 이용해 전력파형의 클래스를 분류하고 신호를 압축하는 방법을 제안했다.
제안 기법은 전력 분석에 이용되는 내부상태값에 대해 클래스를 분류하고 선형판별분석을 이용해 파형을 압축함으로써 신호 대 잡음비(Signal-to-Noise Ratio, SNR)[10]를 증가시켜 전력분석공격의 성능 향상을 기대한다.
제안하는 선형판별분석을 이용한 파형압축의 성능을 비교해보기 위해 개발보드에 구현된 암호알고리듬에 대해 전력분석을 진행했다.

데이터처리

은 파형압축에서 가장 신호 대 잡음비가 좋았던 조건을 이용해 압축한 파형의 상관계수분석 결과를 나타낸 것이다. 비교를 위해 Fig.6.과 같은 구간에 대해 공격을 진행했으며, 파형압축에는 선형판별분석방법을 이용해 320포인트 단위로 특징벡터를 계산하고 두 번째 순위의 특징벡터를 이용했다.
이후, 실험은 선형판별분석과 주성분분석으로 파형을 압축하고 압축한 파형에 대해 상관계수분석을 하는 방법으로 진행되었으며 정량적 비교를 위해 신호 대 잡음비를 함께 계산해 공격 결과와의 연관성을 분석했다. 각 압축기법의 압축단위구간에 따른 성질을 알아보기 위해 압축단위구간은 1클록에 해당하는 20포인트를 기준으로 16클록에 해당하는 320포인트까지 두 배씩 증가시키며 진행했으며, 공격시점은 파형을 압축하지 않고 수행한 상관전력분석의 결과를 이용해 옳은 키의 상관계수가 가장 높았던 시점을 중심으로 하는 한 개의 구간에 대해 진행했다.

성능/효과

1라운드의 S-box 연산이 진행되는 부분에서 옳은 키에 대해 높은 상관계수가 발생하지만 틀린 키들의 상관계수들과 구별이 되지 않아 공격이 실패하는 결과를 확인했다. 옳은 키에 대한 상관계수가 복수의 peak로 나타나는 원인은 크게 두 가지로 유추할 수 있다.
◉ 압축단위구간 : 선형판별분석의 경우 파형압축 단위 구간이 넓어질수록 높은 신호 대 잡음비를 갖는 것을 확인했다. 이를 통해 선형판별분석을 이용한 파형압축은 관심있는 신호가 정렬이 잘 되어있는 경우보다는, 범용 CPU의 특성이나 잡음에 의해 신호가 넓은 구간으로 분산되는 경우에 대한 공격에서 강점을 갖는다는 것을 알 수 있다.
따라서 본 논문에서 제안하는 선형판별분석을 이용한 파형압축을 적용할 경우, 전력분석의 성능 향상을 기대할 수 있음을 직관적으로 알 수 있다.
본 논문에서는 제안 기법의 우수성을 증명하기 위해 32비트 ARM프로세서에 구현된 암호알고리듬의 전력파형을 측정하여 주성분분석을 활용한 기존 파형압축과의 성능을 비교하였다. 실험 결과, 제안 기법이 공격에 이용되는 파형개수가 더 적을 뿐 아니라 신호 대 잡음비 또한 증가하는 것으로 확인되었다.
실험을 통해 선형판별분석과 주성분분석의 성능을 비교한 결과, S/W로 구현된 암호알고리듬의 전력파형과 같이 공격의 목표가 되는 신호의 시점이 분산되어 있는 경우에는 신호압축에 선형판별분석을 적용하는 것이 주성분분석을 적용하는 것보다 신호 대 잡음비, 공격성공률, 공격효율성면에서 우수한 성능을 갖는 것을 확인했다.
◉ 압축단위구간 : 선형판별분석의 경우 파형압축 단위 구간이 넓어질수록 높은 신호 대 잡음비를 갖는 것을 확인했다. 이를 통해 선형판별분석을 이용한 파형압축은 관심있는 신호가 정렬이 잘 되어있는 경우보다는, 범용 CPU의 특성이나 잡음에 의해 신호가 넓은 구간으로 분산되는 경우에 대한 공격에서 강점을 갖는다는 것을 알 수 있다. 이러한 성질은 좁은 구간에 대한 압축을 진행하는 것 보다 넓은 구간에 대해 압축을 하면서 구간내에 분포된 정보들을 집중시켜 해당 정보를 이용할 수 있는 방법이 라는 면에서 의미를 갖는다.
전력분석에서 선형판별분석을 이용하기 위해 비밀키에 종속적인 내부상태값에 대한 클래스를 분류하는 것은 직관적으로 어렵다고 판단되지만, 본 논문에서는 AES(Advanced Encryption Standard)와 같이 전단사함수를 비선형연산으로 사용하는 대부분의 대칭키 암호의 경우 이러한 내부상태값을 클래스로 분류하는 것이 가능함을 보인다. 또한 제안 기법은 내부상태값이 연산되는 시점을 정확히 모른다 하더라도 분석이 가능한 공격기법으로 차분전력분석, 상관전력분석과 같은 조건하에서 수행될 수 있는 분석기법이다.

후속연구

본 논문에서 성능비교를 위해 언급한 주성분분석은 신호압축 이외에도 파형선별[12], 옳은 키 선별을 위한 구별자[13]등 전력분석의 다양한 부분에 적용되고 있다. 선형판별분석을 해당 부분에 적용해 성능을 비교하는 것이 추후 연구과제이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	파형압축은 어떤 역할을 하는가?	파형압축은 일정 구간에 걸쳐 나타난 파형신호를 압축된 신호로 표현하는 방법이다. 이 방법은 단순히 전력분석의 소요시간을 줄이기 위한 목적이 아닌, 잡음 성분을 줄이고 분석에 필요한 의미 있는 데이터를 추출해 분석 성능을 향상케 한다. 신호압축기법의 개요를 Fig.
	부채널 분석이란 무엇인가?	부채널 분석(Side Channel Analysis)이란 장치 내에 구현된 암호연산기능에 대해 설계자가 의도하지 않은 채널의 정보를 이용해 암호를 분석하는 기법을 통칭한다. 이러한 부채널 분석에는 기기의 동작시간을 이용한 시간 분석(Timing Analysis)[1], 기기의 전력소모량을 이용하는 전력 분석(Power Analysis)[2,3], 기기에서 방출되는 전자기파를 이용한 전자기파 분석(Electric Magnetic Analysis)[4], 의도적인 오류 주입에 의해 야기된 장비의 오동작을 이용한 오류 주입 분석(Fault Injection Analysis)[5]등이 있다.
	부채널 분석에는 어떤 분석 방법들이 존재하는가?	부채널 분석(Side Channel Analysis)이란 장치 내에 구현된 암호연산기능에 대해 설계자가 의도하지 않은 채널의 정보를 이용해 암호를 분석하는 기법을 통칭한다. 이러한 부채널 분석에는 기기의 동작시간을 이용한 시간 분석(Timing Analysis)[1], 기기의 전력소모량을 이용하는 전력 분석(Power Analysis)[2,3], 기기에서 방출되는 전자기파를 이용한 전자기파 분석(Electric Magnetic Analysis)[4], 의도적인 오류 주입에 의해 야기된 장비의 오동작을 이용한 오류 주입 분석(Fault Injection Analysis)[5]등이 있다. 보안 장비에 대한 최근 보안성 평가 기준은 이러한 부채널 분석에 대한 안전성을 중요한 요소로 평가하고 있다.

참고문헌 (13)

P. C. Kocher, J. Jae, and B. Jun., "Timing Attacks on Implementations of Die-Hellman, RSA, DSS, and Other Systems," CRYPTO 1996, LNCS 1109, pp. 104-113, Springer-Verlag, 1996.
P. Kocher, J. Jaffe, B. Jun, "Differential power analysis," CRYPTO 1999, LNCS 1666, pp. 388-397, Springer-Verlag, 1999.
E. Brier, C. Clavier, F. Olivier, "Correlation power analysis with a leakage model," CHES 2004, LNCS 3156, pp. 16-29, 2004.
D. Agrawal, B. Archambeault, J. R. Rao, and P. Rohatgi., "The EM Side-Channel(s)," CHES 2002, LNCS 2524, pp. 29-45, 2003.
A. Moradi, MTM. Shalmani, M. Salmasizadeh, "A Generalized Method of Differential Fault Attack Against AES Cryptosystem," CHES 2006, LNCS 4249, pp. 91-100, 2006.
S. Mangard, E. Oswald, and T. Popp, "Power Analysis Attacks: Revealing the secrets of smart cards," pp, 82-86, Springer, 2007.
PN Belhumeur, JP Hespanha, DJ Kriegman, "Eigenfaces vs. Fisherfaces: Recognition using class specific linear projection," IEEE Transactions on pattern analysis and machine intelligence, VOL 19, No. 7, 1997.

상세보기
E. Oswald and P. Rohatgi, "Using Subsapce-Based Template Attacks to Compare and Combine Power and Electromagnetic Information Leakages," CHES 2008, LNCS 5154, pp. 411-425, 2008.
O. Choudary, M. G. Kuhn, "Efficient Tmeplate Attacks," CARDIS 2013, LNCS 8419, pp. 253-270, 2014.
S. Mangard, E. Oswald, and T. Popp, "Power Analysis Attacks: Revealing the secrets of smart cards," pp, 73-79, Springer, 2007.
L. Batina, J. Hogenboom, Jasper G.J. van Woudenberg, "Getting More from PCA: First Results of Using Principal Component Analysis for Extensive Power Analysis," CT-RSA 2012, LNCS 7178, pp.383-397, 2012.
Y. Kim, H. Ko, "Using Principal Component Analysis for Practical Biasing of Power Traces to Improve Power Analysis Attacks,"ICISC 2013, 2013.
Y. Souissi, M. Nassar, S. Guilley, J. Danger, F. Flament, "First Principal Components Analysis: A New Side Channel Distinguisher," ICISC 2010, LNCS 6829, pp. 407-419, 2011.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증