[發明專利]一種基于卷積神經網絡的應用程序在線攻擊方法

有效

• 申請號: 202110558877.2
• 申請日: 2021-05-21
• 公開（公告）號: CN113297570B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 洪榛;葉尚犇;葉蕾
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F21/55
• 分類號: G06F21/55;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于卷積神經網絡的應用程序在線攻擊方法，該方法通過數據獲取、數據增強、數據處理、應用程序檢測等階段，利用2D卷積神經網絡，對采集數據進行逐幀檢測，判斷目標設備正在運行何種應用程序，并利用目標設備的信息泄露來推測其敏感信息，獲取用戶隱私，滿足側信道攻擊的實時性要求。本發明在滿足了側信道攻擊的實時性要求，能夠較快的推測用戶的敏感信息，可在應用程序啟動的短時間內具有較好的在線攻擊性能。

技術領域

本發明涉及側信道攻擊以及卷積神經網絡技術領域，具體設計一種基于卷積神經網絡的應用程序在線攻擊方法。

背景技術

隨著計算機技術的快速發展，現代計算設備動態地調節自身的功耗以滿足工作負載的要求。計算設備在執行不同的任務時，其功耗信息隨著時間不斷變化。因此，作為典型的側信道信號，設備的功耗信息常被用于隱私探測和攻擊。攻擊者通過分析計算設備的功耗信息，可以推測計算設備當前的活動。神經網絡是研究者們受生物學啟發而設計的計算模型，目前已經廣泛應用于諸多領域。近年來，利用神經網絡進行側信道分析受到研究者們的關注。研究者們嘗試將各種神經網絡模型用于側信道分析，其中較為典型的是利用卷積神經網絡(Convolutional Neural Networks,CNNs)進行側信道分析。CNN是人工神經網絡的一種，主要用于提取圖像的特征。CNN已經在圖像分類領域取得了顯著的效果，近年來，研究者們將CNN用于側信道分析并取得了令人滿意的結果。

發明內容

為了克服已有技術的不足，本發明提供了一種基于卷積神經網絡-的應用程序在線攻擊方法。

本發明解決其技術問題所采用的技術方案是：

一種基于卷積神經網絡的應用程序在線攻擊方法，所述方法包括以下步驟；

(1)數據獲取：設置一個自動數據采集平臺，使用一個開合式電流互感器測量不同操作系統及不同品牌的筆記本電腦和臺式電腦的功耗，通過聲卡采集多款不同的應用程序在計算機上運行時的功耗泄露數據，以監視目標設備的實時功耗；

(2)數據增強：為了提升數據的多樣性，防止網絡過擬合，可以使原始信號隨機增加或減少一定的幅度，從而增加更多受啟動過程中軟硬件因素干擾的訓練樣本；

(3)數據處理：對功耗信號進行數據分割，從采集到的聲音文件中分離出應用程序運行的不同狀態，將應用程序一次完整的運行過程劃分為啟動、等待和關閉三個狀態；

(4)應用程序檢測：應用程序檢測可認為是一個目標檢測問題，從不同設備采集的數據中隨機選取樣本作為該分類器的訓練樣本，標簽設定為不同的設備型號，當攻擊者獲取到應用程序啟動的功率信號時，將該信號輸入2D-卷積神經網絡(2D-CNN)，進行逐幀分類的檢測。

進一步，所述步驟(1)包括如下步驟：

1.1：設置一個自動數據采集平臺，使用一個開合式電流互感器測量不同操作系統及不同品牌的筆記本電腦和臺式電腦的功耗。通過聲卡采集多款不同的應用程序在計算機上運行時的功耗泄露數據，以監視目標設備的實時功耗；

1.2：由于平臺依靠設備之間的通信來實現對實驗數據的多次循環自動采集，所以訓練階段的數據采集過程中攻擊設備與目標設備處于同一局域網中；

1.3：由于交流電源插座包含火線、零線以及地線這三條線，將開合式電流互感器的一端連接到攻擊設備的音頻接口，將與目標設備相連接的插線板的零線放置于電流互感器的感應區；

1.4：通過控制目標設備的聲卡對目標設備的功耗數據進行采集。再進一步，所述步驟(2)包括以下步驟：

2.1：隨機選取訓練樣本的一個峰谷點i，其對應的時刻為t₂；

2.2：確認與該峰谷點左右相鄰的兩個峰谷點對應的時刻分別為t₁和t₃；