A.E.S差分故障分析
Differential Fault Analysis on A.E.S
摘要：
我们解释了差分故障分析（DFA）如何在AES 128，192或256位上工作。
英文摘要：
We explain how a differential fault analysis (DFA) works on AES 128, 192 or 256 bits.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
相关论文
使用DFA攻击硬件AES
Attacking Hardware AES with DFA
我们提出了第一个实际的攻击硬件AES加速器与256位嵌入式密钥使用DFA。我们确定的挑战，适应著名的理论AES DFA模型的攻击下，从电压故障注入硬件和目前的解决方案，这些挑战。结果，我们成功地在几个小时内以最小的成本从安全计算系统中恢复了278个真实的AES-256密钥。
cs.CR
MIFA：一种基于混合整数线性规划（MILP）的改进差分故障攻击（DFA）的框架
MIFA: An MILP-based Framework for Improving Differential Fault Attacks
Korea University（韩国延世大学）；Nanyang Technological University（南洋理工大学）；Hansung University（汉城大学）；Jeonbuk National University（全北国立大学）；University of Seoul（首尔大学）；SmartM2M；Kangwon National University（江原国立大学）
本文提出基于混合整数线性规划（MILP）的DFA框架，可攻击更深轮次并减少故障注入次数，还能确定高效故障注入位置，对DEFAULT算法可通过特定轮次的故障注入将密钥空间缩至1。
cs.CR
从精确到随机：轻量块密码Lilliput的系统性差分故障分析
Differential Fault Analysis of Lilliput under Random-Location Nibble Faults
School of Cyber Science and Technology, Hubei University（湖北大学网络空间安全学院）；Key Laboratory of Intelligent Sensing System and Security, Ministry of Education, Hubei University（湖北大学智能感知系统与信息安全教育部重点实验室）；Faculty of Mathematics and Statistics, Hubei Key Laboratory of Applied Mathematics, Hubei University（湖北大学数学与统计学院，湖北省应用数学重点实验室）
本文首次系统性地对轻量块密码Lilliput进行了三种不同故障模型下的差分故障分析，揭示其在现实场景中对物理攻击的脆弱性，为安全实现提供关键见解。
cs.CR
基于直接反馈对准的光子差分隐私
Photonic Differential Privacy with Direct Feedback Alignment
LightOn（LightOn公司）；LPENS, École Normale Supérieure（巴黎高等师范学院 LPENS实验室）；Criteo AI Lab（Criteo人工智能实验室）
光学处理单元（OPU）--专用于大规模随机投影的低功耗光子芯片--已在先前的工作中使用直接反馈对准（DFA）来训练深度神经网络，这是反向传播的有效替代方案。在这里，我们演示了如何利用光学随机投影的固有噪声来构建差异化私有DFA机制，使OPU成为提供私有设计培训的首选解决方案。我们提供了我们的自适应隐私机制的理论分析，仔细测量光学随机投影的噪声如何在这个过程中传播，并产生可证明的差分隐私。最后，我们进行实验，证明我们的学习过程，以实现坚实的最终任务性能的能力。
cs.CRcs.LG
RS-Mask：随机空间屏蔽作为电源和故障分析的综合对策
RS-Mask: Random Space Masking as an Integrated Countermeasure against Power and Fault Analysis
虽然现代的掩蔽方案提供了可证明的安全性，以防止被动侧信道分析（SCA），如功率分析，单故障可以用来恢复的秘密密钥的密码，即使在掩蔽的实现。在本文中，我们提出了随机空间屏蔽（RS-掩码）作为一种对策，对功率分析和统计故障分析（SFA）技术。在RS掩码方案中，所有敏感变量、故障和/或正确值的分布是均匀的，因此它保护实现免受利用中间变量分布的任何SFA技术的影响，包括故障敏感性分析（FSA）、统计无效故障分析（SIFA）和故障强度图分析（FIMA）。我们在AES上实现了RS-Mask，并证明了SIFA攻击无法识别正确的密钥。我们还表明，一个FPGA实现的AES，保护与RS掩码，是耐功率分析SCA使用韦尔奇的t检验。RS-Masked AES的面积约为类似架构的未受保护AES实现的3.5倍，约为已知FPGA抗SCA AES实现的2倍。最后，我们引入了感染性RS掩码，它提供了针对差分技术的安全性，例如差分故障分析（DFA）和差分故障强度分析（DFIA），开销略有增加。
cs.CRcs.ITmath.IT
基于深度学习的改进型差分故障攻击轻量级流密码
Deep Learning-Assisted Improved Differential Fault Attacks on Lightweight Stream Ciphers
School of Computing and Data Science, Xiamen University Malaysia（厦门大学马来西亚分校计算机与数据科学学院）
本文研究了基于深度学习的差分故障攻击在轻量级流密码中的可行性，开发了多层感知机模型来识别故障位置，并提出了基于阈值的方法优化密钥恢复过程，实验结果显示攻击复杂度低于现有方法，同时为ATOM密码提供了首次实验结果。
cs.CRcs.LG
更多相关论文收起更多论文
Shuffle模型中用于差分隐私的高效容错量子协议
Efficient Fault-Tolerant Quantum Protocol for Differential Privacy in the Shuffle Model
针对shuffle模型中随机洗牌依赖混合网络或可信第三方的问题，论文利用量子纠缠提出安全隐式洗牌协议，支持任意k>2的k元随机响应，并可通过容错计算高效实现。
cs.CRquant-ph
揭露隐蔽入侵：检测差动保护系统上的故障掩蔽网络攻击
Unmasking Covert Intrusions: Detection of Fault-Masking Cyberattacks on Differential Protection Systems
Khalifa University（哈利法大学）；Concordia University（康考迪亚大学）；Cairo University（开罗大学）；University of Waterloo（滑铁卢大学）
针对线路电流差动继电器面临的隐蔽故障掩蔽网络攻击，提出结合物理失配指数与神经网络分类器的双模块检测框架，并通过IEEE 39节点系统和OPAL-RT验证其准确性与实时性。
cs.CRcs.LGcs.SY
