이 논문은 다양한 암호화 알고리즘, 구현, 부채널 대책에 걸쳐 일반화될 수 있는 GPAM이라는 새로운 딥러닝 기반 전력 분석 시스템을 제안한다. GPAM은 수동 전처리 없이도 효과적으로 작동하며, 특히 강력한 마스킹 대책이 적용된 하드웨어 가속 타원 곡선 디지털 서명 구현을 성공적으로 공격할 수 있다.
GPAM의 핵심 구성 요소는 다음과 같다:
GPAM은 4가지 하드웨어 가속 ECDSA 구현에 대한 전력 분석 공격에 성공했다. 이 구현에는 단순한 상수 시간 대책부터 마스킹 보호까지 다양한 대책이 적용되어 있다. 특히 128비트 이상의 마스크를 사용하는 구현에서도 GPAM이 효과적으로 작동했다. 이는 기존에는 안전하다고 여겨졌던 대책에 대한 새로운 취약점을 보여준다.
또한 GPAM은 AES 구현에 대해서도 기존 공격과 유사한 성능을 보였지만, 수동 전처리 없이도 작동할 수 있었다.
이러한 결과는 GPAM이 비용 효율적이고 자동화된 부채널 누출 평가를 가능하게 하여, 개발 단계에서 칩 설계팀이 자신들의 대책을 신속하게 평가할 수 있도록 한다는 것을 보여준다.
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies