《表4 PANDA 2018 Challenge1数据集PCA-20处理后方差(×104)表(汉明重量不同)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于流形学习能量数据预处理的模板攻击优化方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表2和表3可知，在大部分情况下，经过预处理后的特征值的类内方差（对角线上的元素）明显小于类间方差（同行或同列其他数据）。PANDA 2018Challenge1数据采集自AT89S52单片机实现的AES算法，其能量数据的表现特征符合汉明重量模型，在实际的实验过程中，相同汉明重量的几类标签分类时，容易出现分类错误的情况。在表3中，大部分标签的类间方差也同样小于类内方差。也就是说，经过特征提取后，能量数据已经进行了可区分的分类。特别注意的是，在标签为13和131时，类内方差大于部分类间方差，此时，即为特征提取算法提取的特征不明显，难以区分标签为13和131的分类。为了更加直观的对比预处理效果，如表4和表5所示，将使用PCA-20和LDA-20算法进行处理后的数据方差如下，由表中数据可知，在汉明重量不同的9类标签中，也出现了大量类内方差大于类间方差的情况，密钥区分的难度将大大提高。