[論文レビュー] SCARL: Side-Channel Analysis with Reinforcement Learning on the Ascon Authenticated Cipher

Keyvan Ramezanpour, Paul Ampadu+1 more|arXiv (Cornell University)|Jun 6, 2020

Cryptographic Implementations and Security参考文献 42被引用数 13

ひとこと要約

SCARLは、事前知識や学習データがなくても、電力トレース内の漏洩モデルを自律的に特定する強化学習ベースの側帯域分析手法を導入する。自己符号化器による特徴抽出と、アクター・クリティックネットワークによるクラスタリングを組み合わせることで、SCARLは24,000本の電力トレースのみでAscon暗号の秘密鍵を回復させ、従来のDPAおよびCPA手法を上回る。標準的な線形モデル下では、40,000本のトレースでさえもDPAおよびCPA手法は正しく鍵を特定できない。

ABSTRACT

Existing side-channel analysis techniques require a leakage model, in the form of a prior knowledge or a set of training data, to establish a relationship between the secret data and the measurements. We introduce side-channel analysis with reinforcement learning (SCARL) capable of extracting data-dependent features of the measurements in an unsupervised learning approach without requiring a prior knowledge on the leakage model. SCARL consists of an auto-encoder to encode the information of power measurements into an internal representation, and a reinforcement learning algorithm to extract information about the secret data. We employ a reinforcement learning algorithm with actor-critic networks, to identify the proper leakage model that results in maximum inter-cluster separation of the auto-encoder representation. SCARL assumes that the lower order components of a generic non-linear leakage model have larger contribution to the leakage of sensitive data. On a lightweight implementation of the Ascon authenticated cipher on the Artix-7 FPGA, SCARL is able to recover the secret key using 24K power traces during the key insertion, or Initialization Stage, of the cipher. We also demonstrate that classical techniques such as DPA and CPA fail to identify the correct key using traditional linear leakage models and more than 40K power traces.

研究の動機と目的

• 従来の側帯域攻撃が事前に定義された漏洩モデルや大量の訓練データを必要とするという限界に対処すること。
• 電力トレース内のデータ依存的特徴を自動で発見する自己教師ありの側帯域分析手法を開発すること。
• FPGA上での軽量暗号実装（例：Ascon）における鍵回復の効率を向上させること。
• 強化学習が物理的側帯域トレースにおける非線形漏洩モデルを効果的に同定できることを示すこと。

提案手法

• 自己符号化器が生の電力トレースを次元を低く抑えた内部表現に圧縮し、ノイズをフィルタリングするとともに顕著な特徴を保持する。
• アクター・クリティックネットワークを用いた強化学習により、自己符号化器の符号化特徴を報酬関数に基づいてクラスタリングする。報酬関数はクラスタ間の分離度とクラスタのバランスの両方を重視する。
• 報酬関数は、2つのクラスタ間の平均差を最大化するとともに、特徴がクラスタに均等に分配されるように設計されている。
• 本手法は、一般化非線形漏洩モデルにおける低次の項が、観測可能な電力漏洩に寄与する割合が大きいと仮定し、RLエージェントが意味のある特徴抽出に向かうように導く。
• クラスタリング後、各鍵候補ごとに低次の漏洩モデルを推定し、特徴のクラスタ間差をランク統計量として用いて正しい鍵を同定する。
• 本手法は、Artix-7 FPGA上に実装された軽量なAscon実装に適用され、鍵回復に24K本の電力トレースが使用された。

実験結果

リサーチクエスチョン

• RQ1 事前知識や学習データがなくても、強化学習を用いて側帯域トレース内の漏洩モデルを発見できるか？
• RQ2 自己符号化器と強化学習を組み合わせた非教師ありアプローチが、DPAやCPAのような従来のモデルベースの側帯域攻撃を上回るか？
• RQ3 本手法は、ハミングウェイトなどの標準的な線形モデルが見逃す非線形漏洩特徴を同定できるか？
• RQ4 本自己教師あり手法は、古典的手法と比較して、どの程度の電力トレース数で正常に鍵回復が可能か？
• RQ5 報酬信号のみに依存して、RLエージェントが異なる鍵仮説に対応する特徴を効果的に分離できるか？

主な発見

• SCARLは、鍵挿入フェーズにおいて24,000本の電力トレースのみでAscon認証暗号の秘密鍵を正常に回復した。
• 本手法は、標準的なハミングウェイトや最上位ビット漏洩モデルを用いた従来のDPAおよびCPA攻撃を上回り、40,000本のトレースでも正しく鍵を特定できない。
• 強化学習エージェントは、自己符号化器の符号化特徴におけるクラスタ間差を最大化することで、意味のある漏洩モデルを同定した。これは、効果的な特徴抽出を示している。
• 報酬関数は350学習ステップ後に安定し、総報酬がクラスタ間差成分に収束した。これは、バランスが取れており、効果的なクラスタリングが実現されたことを示している。
• 自己符号化器はノイズを低減し、主な電力トレースの特徴を保持した。再構成誤差は22エポック目で安定し、25エポック目までに完全に収束した。
• 24,000本以上のトレースが使用された場合、正しい鍵はランク1に位置づけられ、本手法の低トレース数下でも高い効率性と耐障害性が確認された。