danieleschmidt/Neural-Operator-Cryptanalysis-Lab

# 神经算子密码分析实验 用于侧信道泄露建模和针对后量子密码自适应攻击的神经算子。 ## 功能 - **PowerTraceSimulator**：基于汉明权重泄露的 AES 功耗迹模拟 - **NeuralOperatorLeakageModel**：受 FNO 启发的用于泄露预测的频谱卷积 - **CorrelationPowerAnalysis**：经典 CPA 基线攻击 - **AdaptiveAttacker**：用于高效攻击的模型引导迹选择 ## 安装 ``` pip install numpy ``` ## 用法 ``` from noclab.power_trace import PowerTraceSimulator from noclab.cpa import CorrelationPowerAnalysis import numpy as np sim = PowerTraceSimulator(noise_std=0.05) plaintexts = np.random.randint(0, 256, 100, dtype=np.uint8) traces = sim.simulate(plaintexts, key_byte=0x2B) cpa = CorrelationPowerAnalysis() key = cpa.attack(traces, plaintexts) print(f"Recovered key byte: {key:#04x}") ``` ## 运行测试 ``` ~/anaconda3/bin/python3 -m pytest tests/ -v ```

标签：Deep Learning, DNS 反向解析, FNO, meg, Post-Quantum Cryptography, Python, Side-Channel Attack, 人工智能安全, 侧信道分析, 信息安全, 合规性, 后量子密码学, 域名收集, 安全规则引擎, 密码学, 密码破译, 密码管理, 嵌入式安全, 差分能量分析, 手动系统调用, 旁路攻击, 无后门, 模拟仿真, 汉明重量, 深度学习, 电磁泄漏, 相关性能量分析, 神经网络算子, 能量分析攻击, 自适应攻击, 逆向工具, 配置审计