《表2 模板攻击实验结果》

  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VGGNet卷积神经网络的加密芯片模板攻击新方法》

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

本文分别使用基于高斯分布的模板攻击方法[9]、基于VG-GNet网络模型的模板攻击[2]进行对比。为了确保对各种方法的准确评估，实验使用的数据为同一设备同一批次采集。训练数据共9 000条，每个汉明重量1 000条，测试数据共1 800条，每个汉明重量200条。为保证测试结果准确，测试数据在模型训练过程中不会使用。在神经网络[10，11]训练过程中使用5折交叉验证法进行成功率检验，即将训练数据等分为五份，各1 800条，在模型训练阶段，依次作为验证集，其余数据作为训练集，对模型进行验证，模型训练完成后，再使用测试集对训练好的模型进行测试。实验过程中通过选取100个特征点，为了增大不同汉明重量类别数据的特征，采用1.2节中的多项式特征方法对特征点进行平方预处理，较好地解决了模型欠拟合问题。具体的实验结果如图11与表2所示。