Chris310103/ssl-sidechannel-research
GitHub: Chris310103/ssl-sidechannel-research
将自监督学习方法适配到侧信道攻击场景，基于 ASCAD 数据集探索无监督特征提取在密码设备能量分析中的应用。
Stars: 0 | Forks: 0
# 用于侧信道攻击的 SSL
本仓库是一个远程研究实习项目，旨在将自监督学习方法应用于侧信道攻击。
## 目标
将以下自监督学习方法适配到侧信道分析：
- TS2Vec
- SimCLR
- CPC (Contrastive Predicitive Coding) - https://github.com/Spijkervet/contrastive-predictive-coding
- MAE
- BYOL
## 初始任务
- 阅读参考论文和仓库
- 探索 ASCAD 数据集格式和基线代码
- 搭建开发环境
- 使用 ASCAD 数据运行 ASCAD 代码
- 运行 TripletPower 代码并尝试将其适配到 ASCAD 数据
- 准备特定方法的实现和配置
## 仓库结构
- `data/`：数据集和处理后的能量迹
- `models/`：检查点、预训练权重、输出
- `configs/`：数据集、方法和训练配置
- `notebooks/`：探索性分析和实验
- `src/`：源代码
- `weekly_updates/`：每周 Markdown 进度报告
## 每周更新
进度将记录在 `weekly_updates/` 下的 Markdown 文件中。
标签：Apex, 侧信道攻击, 凭据扫描, 密码学, 手动系统调用, 机器学习, 深度学习, 自监督学习, 逆向工具