bahoek/Compare_blind_side_channel_attack_convoltion

# 1D-CNN-Kyber-SCA：针对 CRYSTALS-Kyber 的统一盲侧信道分析框架 本存储库包含论文：“**通过现代 1D-CNN 架构增强 CRYSTALS-Kyber 上的盲配置文件侧信道分析**”的官方实现和评估模块。 该框架在严格的多维变量隔离策略下，使用公开开源配置文件和本地测量的同步高保真配置，为现代深度学习骨干网络提供了一套系统的基准测试流程。 ## 🛡️ 存储库结构 & 知识产权 (IP) 保护 为了尊重保密政策并保护专有研究基础设施（包括目标微控制器固件仿真器、特定的 Barrett 减少模型和硬件级别的分数 Montgomery 乘法流水线），原始数据解析层已被解耦。 提供的数据集加载器被设计为摄入包含预先同步跟踪和分类 256 方直接系数映射层的**预编译二进制矩阵**。这确保了神经网络缩放和优化指标在100%的架构可复现性，同时不泄露机密的基础设施配置。

标签：1D-CNN, Apex, CRYSTALS-Kyber, 二进制矩阵, 人工智能, 侧信道分析, 加密算法, 同步高保真配置, 多维度变量隔离, 学术研究, 巴雷特模型, 开源, 微控制器仿真, 性能评估, 数据加载, 数据科学, 数据管道, 数据解析, 机器学习, 机器学习模型, 架构可复现性, 深度学习, 用户模式Hook绕过, 盲侧信道分析, 知识产权保护, 硬件级乘法, 神经网络, 算法优化, 计算机科学, 计算机视觉, 资源验证, 软件工程, 逆向工具, 非披露协议