yuyuchi113727/side-channel-attack
GitHub: yuyuchi113727/side-channel-attack
Stars: 1 | Forks: 0
# 基于深度学习的侧信道攻击（PyTorch）
本项目使用 PyTorch 实现基于深度学习的侧信道攻击（Side-Channel Attack, SCA），包含：
- CNN 模型
- ASCAD 风格数据集读取
- Rank 演化分析
- Loss 曲线绘制
- 模型权重保存
适用于：
探究密码学与深度学习跨学科融合
# 项目结构
project/
│
├── main.py
├── model_framework.py
├── train_model.py
├── test_model.py
├── datafactory.py
├── plot.py
│
├── config.yaml
├── requirements.txt
├── README.md
├── .gitignore
├── (ASCAD.h5)
├── (ascad_cnn_model.pth)
│
├── rank.png
└── loss.png
括号表示需要自己生成
# 环境配置
推荐：
- Python 3.10
- CUDA 11.8
- PyTorch 2.1.2
安装依赖：
pip install -r requirements.txt
若使用 NVIDIA GPU，推荐安装 CUDA 版本 PyTorch：
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
# 数据集说明
本项目使用 ASCAD 风格 HDF5 数据集
下载网址：
https://www.data.gouv.fr/api/1/datasets/r/e7ab6f9e-79bf-431f-a5ed-faf0ebe9b08e
下载完成后解压缩，找到ASCAD.h5数据集即可
数据集通常包含：
Profiling_traces/
Attack_traces/
traces
labels
metadata
其中：
- traces：功耗波形
- labels：中间值（Sbox）标签
- metadata：明文、密钥等信息
# 训练方法
直接运行：
python main.py
程序将：
- 读取数据集
- 训练模型
- 保存权重
- 绘制 Loss 曲线
- 绘制 Rank 曲线
# Rank 演化说明
项目支持 Rank Evolution 分析。
含义：
- Rank = 0：正确密钥排名第一，攻击成功
- Rank < 5：实际攻击中通常已可接受
随着攻击 traces 增加：
- Rank 越低越好
- 理想情况下最终收敛到 0
# Loss 曲线说明
使用交叉熵损失函数：
- ln(256) ≈ 5.545：随机猜测水平
- ln(5) ≈ 1.609：攻击底线，为Rank=5时的理想最大交叉熵
Loss 越低表示模型区分能力越强。
# 可视化结果
训练结束后会生成：
- `rank.png`
- `loss.png`
# 项目说明
本项目主要用于：
密码学导论课程大作业开源
不用于任何非法用途。
# License
MIT License