基于强化学习的公钥密码算法能量分析技术

20251127

科学研究和技术服务业

本项目围绕公钥密码算法的能量分析与侧信道安全评估进行了系统研究，提出了基于强化学习与对比学习的智能分析方法，构建了非入侵式攻击检测框架，并探索了大语言模型辅助的波形预处理与模板匹配波形切分方法。目前成果主要以理论模型、算法设计和仿真验证为主，尚未形成完整的软硬件系统，但在算法设计和方法论上已具备较成熟的理论基础，可为密码芯片安全评估提供参考。相关算法在仿真环境中对不同平台和加密算法表现出一定的适应性与可操作性，验证了方法的可行性和潜在价值，为后续技术转化与工程实现奠定了基础。

考虑到本项目成果尚处于理论与仿真阶段，拟进行成果转化需要合作方在以下方面提供支持： 1.资金：用于进一步算法优化、系统开发及仿真验证。 2.场地：提供适合开展软硬件集成、芯片测试和数据采集的实验场所。 3.设备：提供密码芯片测试平台、功耗与电磁采集设备、计算机及GPU加速环境等。 4.人员：希望合作方能提供具备密码学、人工智能及嵌入式系统背景的技术人员协助实现理论成果向实际系统的转化。 通过上述支持，项目理论成果可进一步发展为可应用的软件工具或测试方法，为密码芯片安全评估提供实践路径。

可国（境）内外转让

本项目成果转化后，预计可在以下方面产生经济和社会效益： 1.经济效益：可为芯片厂商提供智能化安全评估工具，降低测试成本，提高设计效率，为后续安全芯片开发提供辅助支撑。 2.社会效益：提升密码芯片和信息系统的安全保障能力，增强关键领域信息安全水平，有助于保障国家信息安全和产业发展安全。 3.技术影响：推动强化学习、人工智能与密码安全评估结合的研究方向，为后续相关理论和工程应用提供参考与示范。

北京市自然科学基金本科生“启研”计划

北京市科学技术委员会;中关村科技园区管理委员会

成果基于强化学习“在复杂搜索空间中自适应优化”的思想，通过经验驱动的策略迭代，实现对侧信道信息特征的高效捕获与利用。针对传统侧信道分析中对同标签波形内部关联利用不足的问题，提出基于对比学习的特征提取方法（CL-SCA），实现了不同平台和算法下的密钥恢复能力优化。同时，构建面向私有算法密码芯片的非入侵式攻击检测框架，采用多维度分析策略（计时、能量/电磁、差分能量/电磁），提供理论指导和方法支撑。此外，探索基于大语言模型的波形预处理策略，实现对滑动平均、重采样、低通滤波和对齐等操作的自动化指导，并提出基于双模板匹配与自适应阈值机制的波形自动切分方法，提高分析流程的智能化程度。此外，在后量子密码算法（如 ML-KEM）的侧信道攻击中，通过自适应特征提取与分类，实现了密钥恢复效率提升。