DawnGlow/Single-trace-on-HQC

# 运行“从乘法到恢复：针对 HQC 的单迹侧信道攻击”的代码 ## 1. 针对 Recursive Karatsuba 的 SASCA 论文第 4 节中关于 Karatsuba SASCA 的代码位于 `SASCA` 文件夹中。 ### 如何运行代码： 该程序在 HQC 的参考实现中，对其 Karatsuba 乘法执行 SASCA。 它使用了基于 LLR 域的 Belief Propagation (BP) 算法，包括基于 Sum-Product Algorithm 的 BP (LLR-SP) 和基于 Normalized Min-Sum Algorithm 的 BP (LLR-NMS)。 使用 SASCA，它可以恢复 HQC-128 的密钥。 #### 所需的输入文件： 要运行 `test.py`，需要以下输入文件： - **侧信道预测文件**： - `mask_a0.txt`：使用 CNN 得到的侧信道泄漏 `y0`（算法 2，第 7 行）的概率分布。 - `mask_a1.txt`：使用 CNN 得到的侧信道泄漏 `y2`（算法 2，第 7 行）的概率分布。 - `mask_ta.txt`：使用 CNN 得到的侧信道泄漏 `y1`（算法 2，第 7 行）的概率分布。 - `r_a0.txt`：使用 CNN 得到的侧信道泄漏 `r0`（算法 2，第 9、10 行）的概率分布。 - `r_a1.txt`：使用 CNN 得到的侧信道泄漏 `r2`（算法 2，第 9、10 行）的概率分布。 - `r_ta.txt`：使用 CNN 得到的侧信道泄漏 `r1`（算法 2，第 9、10 行）的概率分布。 ## 2. 有效密文下的单迹密钥恢复 单迹密钥恢复的代码位于 `KeyRecovery` 文件夹中（论文第 5 节）。 ### 如何运行代码： 该程序实现了一个类 turbo 的后处理/密钥恢复过程，并对存储在文本文件中的位级向量进行操作。 所有输入均代表长度为 `PARAM_N` 的二进制向量，并作为位压缩的 `uint64_t` 数组（`VEC_N_SIZE_64` 个字）加载。 每个位对应向量的一个坐标；未使用的尾部位必须为零。 #### 所需的输入文件： 要运行 `turbo-solver.c`，需要以下输入文件： - **侧信道预测文件**： - `PRED_C_TXT`：对密文向量 `c` 的含噪预测。 - `PRED_Y_TXT`：对秘密向量 `y` 的含噪预测。 - `PRED_X_TXT`：对秘密向量 `x` 的预测或概率输出（用于初始化或比较）。 - **真实参考文件**（仅用于验证和调试）： - `C_TRUE_TXT`：真实的密文向量 `c`。 - `Y_TRUE_TXT`：真实的秘密向量 `y`。 - `X_TRUE_TXT`：真实的秘密向量 `x`。 - **公开和已知参数文件**： - `R1_TXT`：用于乘积 `r1 * y` 的稀疏向量 `r1`。 - `R2_TXT`：用于乘积 `r2 * x` 的稀疏向量 `r2`。 - `E_TXT`：已知的固定重量错误向量 `e`。 - `H_TXT`：公开向量 `h`。 - `S_TXT`：定义为 `s = x + h * y` 的向量。 - `M_TXT`：与消息相关的向量 `m`，用于构造 `mG`。

标签：Apex, C, Python, 侧信道攻击, 后量子密码, 客户端加密, 密码学, 密钥恢复, 手动系统调用, 无后门, 机器学习, 逆向工具