선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 반면 CNN(Convolutional Neural Netowork)은 컨볼루션층과 플링층의 연산적 특성 덕분에 변동을 감내할 수 있으므로 CNN을 활용하면 지터가 있는 파형을 효과적으로 분석할 수 있다. 따라서 본 논문에서는 CNN을 활용해 지터에 내성을 갖는 신경망을 구성하는 방안을 제안하고 이를 실험적으로 검증한다.
- 본 논문에서는 프로파일링 환경에서 파형이 흔들려서 나타나는 노이즈, 즉 지터가 있는 파형에 대한 효과적인 분석방법을 제안했다. 이를 실험적으로 보이기 위해 다양한 구조의 CNN, MLP로 지터가 있는 파형을 분석한 결과, 제안된 조건을 만족하는 CNN은 모든 바이트 키 분석에 성공했지만, 그렇지 않은 신경망과 MLP는 분석에 실패했다.
- 본 절에서는 신경망의 특성을 기반으로 지터가 심한 파형에 내성을 갖는 신경망 설계 방법을 제안한다.
가설 설정
- 최근 딥러닝이 여러 분야에 활용되면서 부채널분석 분야에서도 딥러닝을 접목한 공격방법들이 연구되고 있다. 프로파일링 환경에서 딥러닝 기반 부채널분석은 공격자가 평문과 비밀키를 알고 있는 프로파일링 장비를 확보했다는 가정 하에서의 공격이다. 비밀키를 알고 있다면 파형에 대응되는 중간값을 계산할 수 있으므로, 신경망이 파형으로부터 중간값을 예측하도록 학습시킬 수 있다.
- 관계를 이용하여 비밀정보를 알아내는 공격 방법이다. 프로파일링기반의 전력분석공격은 공격자가 사전에 공격 대상과 동일하며 비밀키, 평문, 소비전력을 알고 있는 장비를 조작할 수 있다고 가정한다. 프로파일링 공격은 다음과 같이 학습 단계와 공격 단계로 나눌 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.