Využití strojového učení v oblasti útoků postranním kanálem

Bc. Aleš Ryška

Master's thesis

Application of Machine Learning in the Domain of Side-Channel Attacks

Abstract:

This thesis deals with the integration of machine learning in side-channel attacks for key recovery. A deep learning-based approach using neural networks is proposed to extract cryptographic secrets based on information leakage from side channels. The methodology includes data collection, feature extraction, model training with param- eter optimization, and validation.

Abstract:

Tato diplomová práce se zabýbá integraci strojového učení při útoku postranním kanálem za účelem obnovení klíče. Byl navržen přístup založený na hlubokém učení s využitím neuronových sítí, který umožňuje extrahovat kryptografická tajemství na základě úniku informací z postranních kanálů. Metodologie zahrnuje sběr dat, extrakci funkcí a trénování modelu s optimalizací parametrů a ověřováním. Zhodnocení nástroje proběhlo na simulovaných i reálných datech.

Keywords

Strojové učení, Útok postranním kanálem, obnovení klíče, hluboké učení, kryptografie, únik dat, kryptografická tajemství, trénování modelu, kyberbezpečnost, bezpečnost dat, extrakce klíče, únik informací, optimalizace, simulace

Language used: English

Date on which the thesis was submitted / produced: 13. 5. 2024

Thesis defence

• Supervisor: prof. Ing. Roman Šenkeřík, Ph.D.

Tomas Bata University in Zlín

Faculty of Applied Informatics

Master programme / field:
Information Technologies / Kybernetická bezpečnost