.png){kind=icon}
返回
Graph-driven side-channel attack detection using AI and discrete math
.png){kind=icon}
PRE
AI
DOI：10.47974/JDMSC-2523.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过结合图论建模和人工智能方法，本研究提出了一种检测侧信道攻击的新方法。侧信道数据以显示攻击中可能利用的连接和模式的图形式呈现，特征提取技术展示了发现侧信道攻击的新途径。图神经网络（GNN）和支持向量机（SVM）等人工智能算法被用于准确检测侧信道入侵。离散数学概念如向量度量空间和特征提取技术应用于这些图模型，以揭示独特的攻击模式。正交序列在所提出的方法中被用于提高识别的可靠性。评估指标和验证方法被用来检验所设计和训练的算法在准确检测侧信道入侵方面的准确性和可靠性，表明该框架在检测简单和复杂的侧信道威胁方面表现良好。
Keyword:
Side-channel attack detection
Graph neural networks
Vector metric space
Orthogonal sequences
Feature extraction
