Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Comparison of Profiling Power Analysis Attacks Using Templates and Multi-Layer Perceptron Network

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F14%3APU111090" target="_blank" >RIV/00216305:26220/14:PU111090 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Comparison of Profiling Power Analysis Attacks Using Templates and Multi-Layer Perceptron Network

  • Popis výsledku v původním jazyce

    In recent years, the cryptographic community has explored new approaches of power analysis based on machine learning models such as Support Vector Machine (SVM), Multi-Layer Perceptron (MLP) or Random Forest (RF). Realized experiments proved that the method based on MLP can provide almost 100% success rate after optimization. Nevertheless, this description of results is based on the first order success rate that is not enough satisfactory because this value can be deceiving. Moreover, the power analysis method based on MLP has not been compared with other well-known approaches such as template attacks or stochastic attacks yet. In this paper, we introduce the first fair comparison of power analysis attacks based on MLP and templates. The comparison isaccomplished by using the identical data set and number of interesting points in power traces. We follow the unified framework for implemented side-channel attacks therefore we use guessing entropy as a metric of comparison.

  • Název v anglickém jazyce

    Comparison of Profiling Power Analysis Attacks Using Templates and Multi-Layer Perceptron Network

  • Popis výsledku anglicky

    In recent years, the cryptographic community has explored new approaches of power analysis based on machine learning models such as Support Vector Machine (SVM), Multi-Layer Perceptron (MLP) or Random Forest (RF). Realized experiments proved that the method based on MLP can provide almost 100% success rate after optimization. Nevertheless, this description of results is based on the first order success rate that is not enough satisfactory because this value can be deceiving. Moreover, the power analysis method based on MLP has not been compared with other well-known approaches such as template attacks or stochastic attacks yet. In this paper, we introduce the first fair comparison of power analysis attacks based on MLP and templates. The comparison isaccomplished by using the identical data set and number of interesting points in power traces. We follow the unified framework for implemented side-channel attacks therefore we use guessing entropy as a metric of comparison.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JA - Elektronika a optoelektronika, elektrotechnika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/FR-TI4%2F647" target="_blank" >FR-TI4/647: *Integrační server s kryptografickým zabezpečením</a><br>

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 1st International Conference on Mathematical Methods & Computational Techniques in Science & Engineering

  • ISBN

    978-1-61804-256-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    134-139

  • Název nakladatele

    Neuveden

  • Místo vydání

    Neuveden

  • Místo konání akce

    Atény

  • Datum konání akce

    28. 11. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku