(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210811536.6 (22)申请日 2022.07.11 (71)申请人 中国人民解 放军陆军工程大 学 地址 210007 江苏省南京市秦淮区后标营 路88号 (72)发明人 陈开颜　刘林云　李雄伟　张阳　 王寅龙　李玺　谢方方　谢志英　 李艳　朱宁　 (74)专利代理 机构 北京八月瓜知识产权代理有 限公司 1 1543 专利代理师 秦莹 (51)Int.Cl. H04L 9/08(2006.01) H04L 9/00(2022.01) G06F 21/72(2013.01)G06F 21/55(2013.01) (54)发明名称 针对防护策略数据的旁路分析模型构建方 法及装置 (57)摘要 本申请提供了一种针对防护策略数据的旁 路分析模型构建方法及装置， 其中， 方法包括： 构 建专门用于SCA场景的CNN简单模型， 并选 择旁路 泄露公共数据库ASCAD数据库的指定数据集为实 验对象， 指定数据集带一阶掩码和随机时延防护 策略； 根据CNN简单模型生成SESCA基础模型 SESCAbase； 通过选 择的指定数据集， 基于 预设的 结构参数优化规则， 对SESCAbase中除特定设置 的结构参数外的其他结构参数和训练参数进行 逐步优化， 得到优化后的模型SESCAnew， 以实现 密钥获取性能。 将基础模型应用于ASCAD的带一 阶掩码和随机时延防护策略的数据集， 在目标性 最强的实验参数区间内对模型的各种超参数进 行优化， 以此提升SESCA模型的破密性能， 得到了 针对攻击 带防护策略的新优 化架构SESCAnew， 从 而实现优秀的破密效果。 权利要求书2页 说明书9页 附图7页 CN 115189872 A 2022.10.14 CN 115189872 A 1.一种针对防护策略数据的旁路分析模型构建方法， 其特 征在于， 包括： S1.构建专门用于SCA场景的CNN简单模型， 并选择旁路泄露公共数据库ASCAD数据库的 指定数据集 为实验对象， 所述指定数据集带一阶掩码和随机时延防护策略； S2.根据所述CN N简单模型生成SESCA基础模型SESCAbase； S3.通过选择的所述指定数据集， 基于预设的结构参数优化规则， 对所述SESCAbase中 除特定设置的结构参数外的其他结构参数和训练参数进行逐步优化， 得到优化后的模型 SESCAnew， 以实现密钥获取性能。 2.根据权利要求1所述的方法， 其特 征在于， 所述S2具体包括： S201.确定所述CNN简单模型的卷积块由CONV层、 BN层、 ACT层构成， 并在所述卷积块后 添加POOL层以减少特征维度， 以组成新卷积块， 并通过所述新卷积块在网络模型中重复预 设次数， 直到获得 预设的合理大小的输出为止； S202.引入预设数量个FC层， 并在最后一个FC层使用soft max函数， 所述soft max函数输 出分类预测结果； S203.在所述CNN简单模型的卷积层和池化层中间嵌入了SEnet模块， 以降低误差反向 传播中的梯度弥散问题， 从而得到SESCA基础模型SESCAbase。 3.根据权利要求1所述的方法， 其特征在于， 所述结构参数优化规则包括以下规则中的 至少一种： 规则1： 同一卷积块中的卷积层设置相同的参数， 以保持不同的层生成数据量 不变； 规则2： 每个池化窗口的维数均为2， 窗口滑动步长为也2， 以2倍数减少输入数据的维 度； 规则3： 在第i块的卷积层中(从i＝1开始)， 卷积核数量为n：n i＝n 1×2i‑1， i≥2。 该规则使得 不同卷积块处 理的数据量尽可能保持不变； 规则4： 所有卷积层的卷积核尺寸 一样。 4.根据权利要求3所述的方法， 其特征在于， 所述其他结构参数包括每个卷积块中卷积 层数量、 卷积层中卷积核数量、 卷积核尺寸、 池化层池化方式、 SE模块的Excitation层通道 比例、 SE模块的循环次数、 全链接层通道数中的至少一种。 5.根据权利要求 4所述的方法， 其特 征在于， 所述S3具体包括： S301.在所述SESCAbase中， 将每个卷积块的卷积层数量设置为1， 并设置所述 SESCAbase中卷积块的卷积层数量上限为3， 基线为每个卷积块的卷积层数量设置为1时对 应的卷积结构， 并通过相应的实验， 确定的所述卷积层参数配置； S302.通过相应的实验测试第一块卷积层的卷积核数量， 确定所述卷积核数量对应的 基准； S303.将池化层池化方式设置为平均池化， 将池化窗口及池化 步长设置为2； S304.将卷积核尺寸设置为5； S305.将所述SESCAbase的后四个卷积块中， 分别初始化添加一个SE模块， 且将所述SE 模块的Excitation层的通道比例rate的初始值设置为1/16， 并通过相应的实验将所述 SESCAnew的rate值设置为1/8； S306.将所述SESCAnew的SE模块循环参数定为3； S307.将所述SESCAnew的全连接通道数设置为1024。权　利　要　求　书 1/2 页 2 CN 115189872 A 26.根据权利要求1所述的方法， 其特 征在于， 所述S3具体包括： S308.设置训练参数， 所述训练参数包括学习率、 批学习量、 迭代次数； S309.通过相应的实验 对所述训练参数进行优化。 7.根据权利要求6所述的方法， 其特 征在于， 所述S3 08具体包括： 将所述学习率设置为0.0 01， 将所述批学习量设置为64， 将迭代次数设置为3 00。 8.一种针对防护策略数据的旁路分析模型构建装置， 其特 征在于， 包括： 模型构建模块， 构建专门用于SCA场景的CNN简单模型， 并选择旁路泄露公共数据库 ASCAD数据库的指定数据集 为实验对象， 所述指定数据集带一阶掩码和随机时延防护策略； 模型生成模块， 根据所述CN N简单模型生成SESCA基础模型SESCAbase； 参数优化模块， 通过选择的所述指定数据集， 基于预设的结构参数优化规则， 对所述 SESCAbase中除特定设置的结构参数外的其他结构参数和训练参数进行逐步优化， 得到优 化后的模型SESCAnew， 以实现密钥获取性能。 9.一种电子设备， 其特 征在于， 包括： 处理器； 以及， 被安排成存储计算机可执行指令的存储器， 所述计算机可执行指令在被执行时使所述 处理器执行时实现如权利要求1至7中任一项所述的针对防护策略数据的旁路分析模型构 建方法的步骤。 10.一种存储介质， 其特征在于， 用于存储计算机可执行指令， 所述计算机可执行指令 在被执行时实现如权利要求1至7中任一项所述的针对防护策略数据的旁路分析模型构建 的步骤。权　利　要　求　书 2/2 页 3 CN 115189872 A 3