블록체인IACR ePrint (암호학)AI 점수 75%
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Balancing Exploration and Exploitation: Discriminative-Model-based Fault Injection Parameter Search (원문, 새 창)
AI 인사이트
대상 독자:개발자
- 탐색(exploration)과 활용(exploitation) 두 판별 모델을 결합해 폴트 주입 파라미터를 탐색
- RSHA 알고리즘으로 추정 정밀도 기반 평가 예산에서 최적 파라미터 선택
- ATXmega(8비트)와 SAM4S(32비트)에서 전압·전자기 폴트 주입 4개 시나리오로 검증
- 기존 최선 대버 성공 파라미터 수 최대 26.7배, 커버리지 최대 5.8배, 성공률 최대 7.6%p 향상
왜 중요한가
하드웨어 보안 평가에서 폴트 주입 파라미터 탐색은 수작업·비효율적 탐색에 의존해왔는데, 탐색과 활용을 분리한 판별모델 접근은 같은 주입 예산으로 더 많고 더 넓게 퍼진 취약 파라미터를 찾아내 칩 보안성 검증 효율을 크게 높인다.
본문 미리보기
Fault Injection (FI) attacks are physical attacks that deliberately induce malfunctions in a target device. Inducing the intended fault requires precise tuning of the FI parameters, for which automated search strategies have been proposed. Most favor either exploration or exploitation: the former covers a broad region of the parameter space, while the latter discovers many successful parameters. An effective search, however, should find parameters that are both numerous and broadly spread. We pr
전체 내용이 궁금하다면?
IACR ePrint (암호학)에서 원문을 직접 읽어보세요
공유
- #결함주입공격
- #사이드채널
- #암호하드웨어
- #판별모델
- #보안연구
이 글이 만들어진 과정
- 11:25AI 초안