지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 윤지원
- 발행연도
- 2021
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구는 RSA 복호화 과정에서 발생한 전력 신호로부터 암호연산을 예측하는
과정을 주파수 분석과 K-means 알고리즘을 이용하여 자동화하는 것을 제안한다.
RSA 복호화 과정은 제곱 연산과 곱셈 연산으로 나뉘며, 시간에 따른 연산의 종류
를 예측하게 되면, RSA 암호의 키(key)값을 알 수 있게 된다. 본 논문은 복호화
과정에서 발생한 전력 파형을 2차원 주파수 신호로 변환하면 1차원 전력 신호에서
보다 연산의 패턴이 잘 관찰되는 것을 확인하였으며. 따라서, 이를 K-means
algorithm을 이용하여 각 전력 파형의 주파수를 분류하였다. 이후, 분류된 클래스
가 어떠한 연산인지 알기 위해 연산이 진행되는 구간은 다른 구간보다 전력 크기
가 크다는 것과 RSA 복호화 과정에서 제곱연산이 곱셈연산보다 많이 실행된다는
것을 이용한다. 분류된 클래스를 연산단위로 나누는 것은 Kernel Density
Estimation를 통해 해결하도록 한다.
본 논문은 단 1개만의 전력 신호에서 RSA 암호의 키를 추출할 때, 주파수 신호
로 변환한다면, 잘 알려진 머신러닝 기법인 K-means algorithm, Kernel Density
Estimation만으로 도 자동화된 분석을 할 수 있다는 것을 보여주었으며, 기존의 자
동화 분석방법보다 속도를 향상시킬 수 있었다.
과정을 주파수 분석과 K-means 알고리즘을 이용하여 자동화하는 것을 제안한다.
RSA 복호화 과정은 제곱 연산과 곱셈 연산으로 나뉘며, 시간에 따른 연산의 종류
를 예측하게 되면, RSA 암호의 키(key)값을 알 수 있게 된다. 본 논문은 복호화
과정에서 발생한 전력 파형을 2차원 주파수 신호로 변환하면 1차원 전력 신호에서
보다 연산의 패턴이 잘 관찰되는 것을 확인하였으며. 따라서, 이를 K-means
algorithm을 이용하여 각 전력 파형의 주파수를 분류하였다. 이후, 분류된 클래스
가 어떠한 연산인지 알기 위해 연산이 진행되는 구간은 다른 구간보다 전력 크기
가 크다는 것과 RSA 복호화 과정에서 제곱연산이 곱셈연산보다 많이 실행된다는
것을 이용한다. 분류된 클래스를 연산단위로 나누는 것은 Kernel Density
Estimation를 통해 해결하도록 한다.
본 논문은 단 1개만의 전력 신호에서 RSA 암호의 키를 추출할 때, 주파수 신호
로 변환한다면, 잘 알려진 머신러닝 기법인 K-means algorithm, Kernel Density
Estimation만으로 도 자동화된 분석을 할 수 있다는 것을 보여주었으며, 기존의 자
동화 분석방법보다 속도를 향상시킬 수 있었다.
목차
제 1장 서론 ······························································································1제 2장 연구배경 ······················································································32.1 부채널 분석 시스템 ···································································32.2 Modular Exponentiation ··························································7제 3장 제안방법 ······················································································93.1 Power Trace ············································································113.2 Short-Time Fourier Transform ··········································123.3 K-means algorithm ································································143.4 Filtering by power amplitude ··············································173.5 Separation using KDE ···························································183.6 Operation classification ··························································223.7 Other data ·················································································23제 4장 실험결과 ···················································································27제 5장 논의 ···························································································31제 6장 결론 ···························································································32참고문헌 ·································································································33
최근 본 자료
댓글(0)
0