Original title:
Kryptoanalýza postranními kanály
Translated title:
Side-Channel Cryptanalysis
Authors:
Gerlich, Tomáš ; Horálek, Josef (referee) ; Františ, Petr (referee) ; Martinásek, Zdeněk (advisor) Document type: Doctoral theses
Year:
2026
Language:
eng Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[eng][cze]
Analýza postranními kanály využívá fyzické úniky informací, například spotřebu energie, z kryptografických zařízení k získání tajných klíčů. Tyto útoky se dělí na profilované útoky, kdy útočník využívá identické zařízení k vytvoření modelů úniku během profilovací fáze před útokem na cílové zařízení a neprofilované (diferenční) útoky, které porovnávají měřené průběhy s předpokládanými hodnotami spotřeby na základě odhadů klíče. Modely proudové spotřeby založené na Hammingově váze a Hammingově vzdálenosti se statistickými metodami, jako je korelační analýza a rozdíl průměrů, tvoří základ těchto metod. V této práci nejprve předkládáme komplexní studii profilovaných i neprofilovaných útoků a ukazujeme, jak tyto modely úniku a statistické nástroje umožňují efektivní získání tajného klíče. Dále navrhujeme a implementujeme dvě nové experimentální testovací platformy: útok See-in-the-Middle na AES doplněný hlubokým učením, kde konvoluční neuronová síť rozpoznává diferenční kolize mezi miliony průběhů při použitíé vzorkování o různých hodnotách. Dálé je představena hardwarová implementace šifry ASCON chráněné threshold maskováním první úrovně na úrovni S-boxů a trojitou redundancí s většinovým hlasováním proti chybám, které dosahuje odolnosti proti postranním kanálům s minimálním plošným navýšením . Nakonec hodnotíme praktické protiměry na nové lehké šifře BAKSHEESH vycházející z GIFT, včetně metod skrytí, jako je vkládání jitteru do hodin a přeskupování operací, a přístupů maskování ve formě prahových implementací, na chytrých kartách a FPGA. Kvantifikujeme jejich účinnost z hlediska zbytkové entropie, spotřeby energie a výkonu. Výsledky rozšiřují porozumění kompromisům mezi silou útoku a nasaditelnými protiopatřeními a poskytují cenné vodítko pro kryptanalytiky i návrháře bezpečného hardwaru.
Sidechannel analysis exploits physical information leakages, such as power consumption, from cryptographic devices to recover secret keys. These attacks are classified into profiling attacks, in which an adversary uses an identical device to build leakage models during a profiling phase before attacking the target device, and nonprofiling (differential) attacks, which compare measured traces with predicted power values based on key guesses. Power-consumption models based on Hamming weight and Hamming distance, along with statistical methods such as correlation analysis and difference-of-means, form the foundation of these techniques. This work presents a comprehensive study of both profiling and nonprofiling attacks, demonstrating how these leakage models and statistical tools enable efficient recovery of secret keys. Next, there is design and implementation two novel experimental testbeds: a deeplearningaugmented seeinthemiddle attack on AES, where a convolutional neural network identifies differential collisions among millions of traces sampled at multiple averaging; and a hardware implementation of the ASCON cipher protected by firstorder threshold masking at the S-box level combined with triple redundancy and majority voting for fault resistance, achieving sidechannel robustness with minimal area overhead. Finally, we evaluate practical countermeasures on the new lightweight BAKSHEESH cipher, derived from GIFT. Hiding techniques (clock jitter insertion and operation shuffling) and masking approaches (threshold implementations) are being used on smart cards and FPGAs in this case study. We quantify their effectiveness in terms of remaining guessing entropy, energy consumption, and performance. Our results deepen the understanding of the trade-offs between attack strength and deployable countermeasures, providing valuable guidance for both cryptanalysts and secure hardware designers.
Keywords:
Analýza postranními kanály; Proudová analýza; Threshold protiopatření; Útok See-in-the-Middle s využítím hlubokého učení; šifra ASCON; ASCON ciper; Deep learning See-in-the-Middle attack; Power analysis; Side channel analysis; Threshold countermeasures
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/528077