論文の概要: Configuration and Collection Factors for Side-Channel Disassembly

• arxiv url: http://arxiv.org/abs/2204.04766v1
• Date: Sun, 10 Apr 2022 20:18:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-12 19:03:27.278678
• Title: Configuration and Collection Factors for Side-Channel Disassembly
• Title（参考訳）: サイドチャネル分解のための構成とコレクション係数
• Authors: Random Gwinn, Mark Matties, Aviel D. Rubin
• Abstract要約: 本稿では、入力電圧、シャント抵抗、サンプルレート、マイクロコントローラクロック周波数などのテスト構成と収集パラメータについて検討する。 ATmega328Pマイクロコントローラと命令セットのサブセットは、デバイス・アンダー・テスト(DUT)として実験で使用される。 構成パラメータと収集パラメータは,特に命令トレースの雑音比に対する信号が影響を受ける場合,性能に有意な影響を及ぼすと結論付けている。
• 参考スコア（独自算出の注目度）: 2.6113528145137495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Myriad uses, methodologies, and channels have been explored for side-channel analysis. However, specific implementation considerations are often unpublished. This paper explores select test configuration and collection parameters, such as input voltage, shunt resistance, sample rate, and microcontroller clock frequency, along with their impact on side-channel analysis performance. The analysis use case considered is instruction disassembly and classification using the microcontroller power side-channel. An ATmega328P microcontroller and a subset of the AVR instruction set are used in the experiments as the Device Under Test (DUT). A time-series convolutional neural network (CNN) is used to evaluate classification performance at clock-cycle fidelity. We conclude that configuration and collection parameters have a meaningful impact on performance, especially where the instruction-trace's signal to noise ratio (SNR) is impacted. Additionally, data collection and analysis well above the Nyquist rate is required for side-channel disassembly. We also found that 7V input voltage with 1 kiloohm shunt and a sample rate of 250-500 MSa/s provided optimal performance in our application, with diminishing returns or in some cases degradation at higher levels.
• Abstract（参考訳）: サイドチャネル分析には、無数の用途、方法論、チャンネルが研究されている。 しかし、具体的な実装上の考慮は、しばしば公表されない。 本稿では,入力電圧,シャント抵抗,サンプルレート,マイクロコントローラクロック周波数などのテスト構成と収集パラメータと,その側チャネル解析性能への影響について検討する。 分析ユースケースはマイクロコントローラの電源サイドチャネルを用いた命令分解と分類である。 ATmega328PマイクロコントローラとAVR命令セットのサブセットがデバイスアンダーテスト(DUT)として実験に使用される。 時系列畳み込みニューラルネットワーク(CNN)を用いて、クロックサイクルの忠実度における分類性能を評価する。 構成パラメータと収集パラメータは,特にSNR(Instruction-Trace's signal to noise ratio)の影響を受け,性能に有意な影響を及ぼすと結論付けた。 さらに、サイドチャネルの分解には、nyquistレートをはるかに上回るデータ収集と分析が必要となる。 また,1khmのシャントと250-500MSa/sのサンプル電圧を持つ7V入力電圧が最適性能を示し,リターンの低下や高レベルの劣化が認められた。

関連論文リスト

• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Robust shallow shadows [0.251657752676152]
  浅層計測回路の幅広いクラスを対象としたロバストなシャドウ推定プロトコルを提案する。 テンソルネットワークツールを用いて実験データから直接推定する方法を示す。 提案手法は,現在および近時雑音量子デバイスの実用的制約の下で,大域回転による影推定の可能性の最大化を実現する。
  論文  参考訳（メタデータ） (2024-05-09T18:00:09Z)
• Using deep neural networks to improve the precision of fast-sampled particle timing detectors [0.0]
  粒子タイミング検出器の測定は、通過する粒子によって堆積された電荷の統計的変動によって生じる時間歩行効果に影響されることが多い。 定数分数判別器(CFD)アルゴリズムは、テスト設定と実行実験の両方において、この効果を緩和するために頻繁に使用される。 我々は、DESY-IIシンクロトロンの試験ビーム施設で取得したデータを用いて、様々なニューラルネットワークアーキテクチャを評価した。 我々は,検出器の読み出しチャネルに応じて,タイミング精度を8%から23%改善した。
  論文  参考訳（メタデータ） (2023-12-10T13:22:46Z)
• Real-time feedback protocols for optimizing fault-tolerant two-qubit gate fidelities in a silicon spin system [0.2981781876202281]
  いくつかのグループは、半導体スピン量子ビット系において99%以上の2量子ゲート忠実性を示した。 我々は,最先端のFPGAハードウェアに最適化され,実装された,シングルキュービットと2キュービットのパラメータフィードバックプロトコルをいくつか提示する。 収集したフィードバックデータに対するウェーブレット解析を用いて、システム内の異なるノイズ源についての洞察を得る。
  論文  参考訳（メタデータ） (2023-09-21T23:45:13Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Deep Reinforcement Learning for IRS Phase Shift Design in Spatiotemporally Correlated Environments [93.30657979626858]
  本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。 チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
  論文  参考訳（メタデータ） (2022-11-02T22:07:36Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
  我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。 我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。 私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
  論文  参考訳（メタデータ） (2020-11-17T12:52:18Z)
• PRVNet: A Novel Partially-Regularized Variational Autoencoders for Massive MIMO CSI Feedback [15.972209500908642]
  ユーザ装置(UE)は、多重出力多重出力周波数分割二重化(MIMO-FDD)システムにおいて、ダウンリンクチャネル状態情報(CSI)を基地局に送信し、リンク状況を報告する。 本稿では,変分オートエンコーダ(VAE)にインスパイアされたニューラルネットワークアーキテクチャであるPRVNetを紹介し,基地局に送信する前にCSI行列を圧縮する。
  論文  参考訳（メタデータ） (2020-11-09T04:07:45Z)
• Classification of Hand Gestures from Wearable IMUs using Deep Neural Network [0.0]
  慣性測定ユニット(Inertial Measurement Unit, IMU)は3軸加速度計とジャイロスコープで構成される。 本稿では,ウェアラブルIMUセンサから得られる手の動きを分類するために,Deep Neural Network (DNN) を用いた新しい分類手法を提案する。
  論文  参考訳（メタデータ） (2020-04-27T01:08:33Z)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。