基于偏度滑动的密码系统简单功率分析预处理方法：揭示泄漏中的不对称性

《Cryptography》：Moving-Skewness Preprocessing for Simple Power Analysis on Cryptosystems: Revealing Asymmetry in Leakage Zhen Li, Kexin Qiang, Yiming Yang, Zongyue Wang and An Wang

　　

在侧信道分析中，简单功率分析（Simple Power Analysis, SPA）是一种广泛使用的技术，通过利用功耗轨迹（Power Traces）中不同操作间的差异来恢复秘密信息。然而，在实际测量环境中，SPA常常受到噪声、时间对齐偏差、微弱或瞬态泄漏的影响，这些因素会掩盖单条或极少数功耗轨迹中与密钥相关的特征。本文系统性地分析了基于偏度滑动的轨迹预处理方法，用于增强与SPA相关的不对称泄漏特性。该方法在功耗轨迹上沿时间方向计算滑动窗口内的局部偏度（Skewness），将原始信号转换为偏度轨迹，强调分布不对称性并同时抑制噪声。与传统的基于平滑的预处理技术不同，所提方法能够保留甚至放大细微的泄漏模式及尖峰类瞬态事件，而这些特征通常会被低通滤波或移动平均等方法衰减。为进一步提升在不同泄漏条件下的适用性，研究人员引入了特征驱动的窗口选择策略，使预处理参数与多种泄漏特性相匹配。研究人员使用模拟数据集以及从多个密码平台上收集的真实测量轨迹来评估该方法的有效性。实验结果表明，与常用的预处理方法相比，移动偏度预处理提升了泄漏可见性，并实现了更高的SPA成功率。

**研究背景与问题**
随着信息技术深度融入经济社会，信息安全已成为国家安全和数字经济的基石。尽管密码算法的数学安全性已得到严格证明，但其物理实现不可避免地通过功耗（Power Consumption）、电磁辐射（Electromagnetic Radiation）和执行时间（Timing）等可观察现象泄漏侧信道信息。侧信道分析（Side-Channel Analysis, SCA），由Kocher等人于1999年系统性地提出，正是利用这些无意间产生的物理泄漏来恢复密钥，对密码设备构成严重威胁。在众多SCA技术中，差分功率分析（Differential Power Analysis, DPA）和简单功率分析（SPA）是两种常用方法。SPA因其对轨迹数量要求极低（单条或少数几条）且攻击成本低廉，对缺乏复杂防护措施的资源受限嵌入式设备构成了独特威胁。然而，在实际测量环境中，功耗轨迹常受测量噪声、时间对齐偏差以及与密码计算无关的冗余模式影响，这些因素掩盖了与密钥信息相关的瞬时功率特征，使得在单轨迹场景下进行可靠识别变得困难。因此，对功耗轨迹进行有效的预处理对于成功实施SPA攻击至关重要。现有预处理方法虽有进展，但在SPA场景下仍存在局限：多数方法忽视了轨迹中的局部非线性与不对称性，而这些往往承载着高密钥敏感度的泄漏；激进的去噪会消除细微但具判别性的瞬态峰值；当前的去噪策略并非针对泄漏相关模式优化，可能保留无关噪声同时抑制微弱但真实的泄漏信号；此外，基于模型或数据驱动的方法在训练难度、计算开销和迁移性方面仍有提升空间。尽管eShard的scared框架在2019年实现了基于偏度的预处理方法，但其应用场景及相对优势尚未被深入探讨。

**研究内容与结论**
针对上述挑战，研究人员对移动偏度预处理方法进行了系统性探讨。该方法通过计算轨迹滑动窗口内的局部偏度，生成由局部偏度值组成的变换轨迹，强调分布不对称的区域。研究阐释了偏度作为高阶统计矩，为何特别适合捕获由密钥依赖操作或开关活动引起的不对称泄漏模式，并明确了该方法尤其适用的场景。该方法改善了细微泄漏信号的可见性，这些信号在原始轨迹中通常难以观察。通过将细微的分布不对称性转换为偏度轨迹中更易区分的峰值，它有助于视觉识别和更精确地定位泄漏区域，从而支持后续的SPA分析。理论与实证分析表明，与可能平滑或模糊局部结构的常用预处理方法相比，偏度对分布形状的内在敏感性使其能更有效地捕获不对称泄漏特征，从而在实际侧信道分析中取得更高的成功率。此外，本文引入了一种特征驱动的策略，根据泄漏特性的先验知识选择移动偏度的窗口大小，考虑了最大化操作间对称差异、放大脉冲型泄漏和增强短时瞬态特征三种策略，旨在强调不对称泄漏分量并减少对称或无关区域的影响。

**关键技术方法**
研究人员主要采用了移动偏度预处理方法，该方法在滑动窗口内计算功耗轨迹的局部偏度，生成偏度轨迹以增强不对称特征。同时，引入了特征驱动的窗口选择策略，根据先验泄漏知识调整窗口参数。实验评估使用了模拟数据集和从多种密码平台收集的真实测量轨迹。

**研究结果**
实验在模拟数据集（Dataset-1，弱泄漏场景；Dataset-2，尖峰类泄漏场景）和五个真实测量数据集（Dataset-3至Dataset-7）上进行。模拟实验显示，在不同噪声水平下，移动偏度方法处理后的轨迹能清晰显现原始轨迹中不可见的泄漏特征，其攻击成功率（Attack Success Rate, ASR）始终高于低通滤波、移动平均及原始轨迹。在真实测量轨迹上，移动偏度同样展现出优势，其生成的偏度轨迹呈现出规律且重复的模式，对应两种不同操作，ASR在所有数据集上均达到最高，多数情况下为100%。例如，对于Dataset-5（来自一款智能卡芯片，运行AES-128加密算法），移动偏度取得了95.83%的ASR；对于Dataset-7（来自一款STM32F4开发板，运行AES-128加密算法并采用了掩码防护），移动偏度取得了100%的ASR，而低通滤波和移动平均的ASR仅为91.67%和87.50%。

**窗口选择与参数敏感性**
研究通过模拟和真实数据集评估了窗口大小对性能的影响。对于Dataset-1，在不同噪声下最优窗口大小稳定为16；对于Dataset-2，最优窗口范围在50到100之间。真实数据集的结果验证了所提策略：Dataset-3和Dataset-4验证了策略I（窗口大小设为单操作时长的一半时ASR最大）；Dataset-6验证了策略II（窗口大小匹配尖峰宽度时ASR最大）；Dataset-5和Dataset-7验证了策略III（窗口大小匹配泄漏持续时间时ASR最大）。结果表明，窗口大小过小或过大均会降低性能，存在一个最佳范围。

**讨论部分**
除了SPA，相关功率分析（Correlation Power Analysis, CPA）、DPA和模板攻击也是广泛使用的侧信道分析方法。这些方法通常依赖于原始轨迹中保留的与处理中间值相关的、稳定且可区分的幅度依赖性泄漏。然而，所提出的移动偏度预处理并非旨在保留此类泄漏。因为移动偏度是一种非线性高阶统计量，强调滑动窗口内的局部分布不对称性，而非原始幅度本身。因此，CPA、DPA和模板攻击所依赖的常见泄漏信息在变换后可能被削弱。故此，该方法主要适用于SPA和基于聚类的SPA。

**研究结论**
本文系统性地讨论了在真实噪声测量条件下，基于偏度滑动的简单功率分析预处理方法。通过分析偏度作为一种高阶统计特征，研究人员展示了该方法如何捕获与密钥依赖操作相关的局部分布不对称性，而这些不对称性常被传统基于平滑的预处理技术所忽视或衰减。通过理论分析和在模拟及真实数据集上的大量实验，证明了移动偏度预处理能有效突出细微泄漏特征，并与低通滤波和移动平均方法相比，实现了更高的SPA成功率。此外，本工作提出了特征驱动的窗口选择策略，将预处理参数与不同的泄漏特征对齐。总体而言，移动偏度提供了一种轻量级、可解释的预处理解决方案，提升了SPA的实用性和有效性。