
侧信道攻击与后量子密码学威胁
# 格子基础的后量子密码学的旁路分析:全面指南
## 目录
1. [介绍](#介绍)
2. [理解旁路攻击(SCA)](#理解旁路攻击-sca)
- [旁路信息的类型](#旁路信息的类型)
- [常见的旁路攻击](#常见的旁路攻击)
3. [格子基础的后量子密码学概览](#格子基础的后量子密码学概览)
- [为什么选择后量子?](#为什么选择后量子)
- [格子密码学基础](#格子密码学基础)
- [流行的格子基础方案](#流行的格子基础方案)
4. [对格子基础方案的旁路威胁](#对格子基础方案的旁路威胁)
- [PQC实现中的攻击向量](#pqc实现中的攻击向量)
- [针对格子基础PQC的旁路攻击案例研究](#针对格子基础pqc的旁路攻击案例研究)
5. [机器学习辅助的旁路攻击](#机器学习辅助的旁路攻击)
- [旁路分析中的机器学习技术](#旁路分析中的机器学习技术)
- [示例:使用ML进行功耗分析](#示例使用ml进行功耗分析)
6. [实践攻击:工具、代码和技术](#实践攻击工具代码和技术)
- [扫描和跟踪工具](#扫描和跟踪工具)
- [使用Bash和Python解析输出](#使用bash和python解析输出)
- [真实案例:模拟功耗跟踪攻击](#真实案例模拟功耗跟踪攻击)
7. [缓解措施和最佳实践](#缓解措施和最佳实践)
- [算法对策](#算法对策)
- [物理和实现级别的保护](#物理和实现级别的保护)
8. [未来方向和研究](#未来方向和研究)
9. [结论](#结论)
10. [参考文献](#参考文献)
---
## 介绍
随着量子计算的不断进步,加密社区积极开发被认为可以抵御量子攻击的算法——即**后量子密码学**(PQC)。在这些算法中,**格子基础的加密系统**由于其强大的安全基础和高效的性能脱颖而出。
然而,即使是最复杂的数学难题也可能被攻击,如果实现过程中泄露了**旁路信息**。旁路分析和攻击(SCA)是一类通过利用例如功耗、电磁辐射和时间变化等物理现象来提取密钥的实施攻击方法,绕过数学理论。
本文提供了对如何旁路攻击威胁格子基础后量子方案的深入分析。涵盖了基础的SCA概念、PQC如何暴露的方式、近期研究亮点以及动手例子——将初学者概念与高级实践者的知识结合。
---
## 理解旁路攻击 (SCA)
**旁路攻击**是一类安全攻击,攻击者通过测量设备在计算过程中某些物理参数,获取关于加密操作的信息。
### 旁路信息的类型
- **功耗**:通过示波器或专用探针进行监测,随操作和数据变化。
- **时间**:处理时间上的微小差异,与输入或密钥相关的分支有关。
- **电磁(EM)辐射**:设备辐射的EM信号编码了操作/数据状态。
- **声学**:某些芯片或设备在计算时发出的声波。
- **缓存访问模式**:观察哪些内存区域被访问。
### 常见的旁路攻击
- **简单功耗分析 (SPA)**:通过功耗轨迹的视觉检查揭示关键信息。
- **差分功耗分析 (DPA)**:对大量测量进行统计分析以推断密钥位。
- **关联功耗分析 (CPA)**:使用功耗模型(如汉明重量)来使真实轨迹与预测值相关联。
- **模板攻击**:攻击者建立设备行为的详细配置文件(“模板”),然后将其与观察到的轨迹进行匹配。
- **故障注入**:例如通过电压突刺造成可利用的误差。
**示例**:如果一个加密设备在密钥位为‘0’时的时间比为‘1’时短,攻击者可能连续测量已知输入的计算时间以重构密钥。
---
## 格子基础的后量子密码学概览
### 为什么选择后量子?
实现量子计算机后,它可以利用Shor算法破坏传统的公钥方案(如RSA,ECC)。**后量子密码学**是一项致力于设计抵御量子攻击的加密/签名方案的努力。
### 格子密码学基础
一个**格子**是在n维空间中具有规则模式的点阵网格。加密系统使用**难的格子问题**:
- **最短向量问题 (SVP)**:在格子中找到非零的最短向量。
- **带误差学习 (LWE)**:给定一系列噪声线性方程,找出隐藏的向量。即便对量子计算机而言这也是被认为很难的。
### 流行的格子基础方案
- **Kyber**:NIST决赛入围的密钥封装机制(KEM)。
- **Dilithium**:基于格子的签名算法。
- **FrodoKEM**:保守的LWE基础KEM。
- **NTRU**:最古老的格子基础加密系统之一。
**NIST PQC 项目**选择基于格子的方案,因为它们具有效率和可扩展性。
---
## 对格子基础方案的旁路威胁
尽管在数学上有较强的稳定性,格子基础方案被实现于物理硬件上——对SCA敏感。不同于传统方案,格子密码使用如多项式乘法、离散高斯采样和模算术等操作,如果实现不慎,它们都可能泄露信息。
### PQC实现中的攻击向量
- **密钥依赖的内存访问**:多项式或向量中的数据依赖索引。
- **不受保护的采样**:采样随机性或误差时无旁路抵抗。
- **稀疏/短密钥泄露**:功耗轨迹透露汉明重量(非零位数)。
- **非恒定时间操作**:由于密钥依赖的分支造成的时间变化。
### 针对格子基础PQC的旁路攻击案例研究
#### 示例:对Kyber的攻击
Kyber密钥封装机制依赖多项式算术和模约减。研究([ACM, 2022](https://dl.acm.org/doi/10.1145/3569420))显示:
- **基于功耗的汉明重量泄露**:通过SPA/CPA在微控制器实现中猜测密钥多项式系数。
- **解密上的模板攻击**:在求解LWE期间针对缓存或功耗特征。
#### 示例:Dilithium
在**Dilithium**签名中,当采样器的决策逻辑依赖于秘密数据且非恒时,会观察到拒绝采样泄露。
---
## 机器学习辅助的旁路攻击
传统的SCA分析需要大量专业知识。通过机器学习(ML),攻击者可以自动化特征提取和分类过程——潜在地破解更复杂或噪声大的实现。
### 旁路分析中的机器学习技术
- **监督学习**:收集带有已知密钥的旁路轨迹并训练分类器(SVM,随机森林,CNN)以预测密钥位。
- **特征工程**:提取统计上有意义的轨迹部分(如功耗峰值,EM相位)。
- **端到端深度学习**:深度学习模型(如CNNs)直接在原始轨迹上运行,有时能超越经典方法(参见[IACR 2025/1754](https://eprint.iacr.org/2025/1754))。
### 示例:使用ML进行功耗分析
假设您有PQC KEM采样步骤期间的功耗轨迹数据集:
```python
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
# 假设 `traces` 是一个NxT矩阵 (N=样本数, T=时间点数)
# 假设 `labels` 是一个N维数组,表示密钥位(0或1)
traces, labels = np.load('power_traces.npy'), np.load('labels.npy')
X_train, X_test, y_train, y_test = train_test_split(traces, labels, test_size=0.2)
clf = RandomForestClassifier(n_estimators=100)
clf.fit(X_train, y_train)
print("Test accuracy:", clf.score(X_test, y_test))
这种方法可以揭示秘密系数位(例如,二进制秘密向量片段)从多项式或LWE秘值。
实践攻击:工具、代码和技术
动手的旁路分析展示了真实的风险。让我们大概了解一下典型的SCA工具链和代码。
扫描和跟踪工具
- 示波器:用于收集目标硬件的功耗/EM轨迹。
- ChipWhisperer:开源的SCA硬件和软件平台。
- sca-fwt:用于跟踪固件或硬件SCA漏洞的框架。
示例:使用ChipWhisperer捕获功耗轨迹
# 安装ChipWhisperer软件工具包
pip install chipwhisperer
用Python脚本从运行Kyber解密的微控制器获取轨迹:
import chipwhisperer as cw
scope = cw.scope()
target = cw.target(scope, cw.targets.SimpleSerial)
traces = []
for i in range(100):
scope.arm()
target.simpleserial_write('d', b'\x00' * 32) # 发送虚拟密文
ret = scope.capture()
if ret:
traces.append(scope.get_last_trace())
保存到磁盘以供后续ML分析。
使用Bash和Python解析输出
假设您已导出原始轨迹数据。
Bash:从轨迹中提取平均电流:
grep -oP 'Trace: \K[0-9 .]+' traces.log | awk '{total += $1; count += 1} END {print total/count}'
Python:解析CSV轨迹进行绘图/分析:
import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv('traces.csv')
plt.plot(df['time'], df['power'])
plt.title('功率轨迹 - 基于格子的PQC解密')
plt.xlabel('时间(ns)')
plt.ylabel('功率(毫安)')
plt.show()
真实案例:模拟功耗跟踪攻击
在真实世界中,攻击者可能会获取大量轨迹并使用统计工具或ML来提取密钥位。
CPA 示例(Python):
import numpy as np
from scipy.stats import pearsonr
# traces: NxT矩阵;hypotheses: 可能的密钥猜测,input_data: 明文/密文
def cpa(traces, input_data, key_guesses):
max_corr = -1
best_guess = None
for k in key_guesses:
hyp = hamming_weight(pqc_operation(input_data, k)) # 为猜测建模功耗
corrs = [pearsonr(traces[:, t], hyp)[0] for t in range(traces.shape[1])]
if max(abs(corrs)) > max_corr:
max_corr = max(abs(corrs))
best_guess = k
return best_guess, max_corr
缓解措施和最佳实践
鉴于所展示的风险,实施者如何保护基于格子的PQC免受SCA?
算法对策
- 恒定时间实现:无密钥依赖的分支或内存访问。
- 噪声注入:通过添加随机延迟或虚假操作来掩盖信号。
- 掩码操作:将敏感变量拆分为多个随机份额,对其进行操作(参见在对称加密中的掩码)。
- 拒绝采样保护:确保输出分布和控制流在任意密钥情况下都是恒定的。
物理和实现级别的保护
- 屏蔽:通过物理屏障减少EM泄漏。
- 电源线过滤:平滑功耗模式。
- 防篡检测:在物理探针检测时报警。
- 固件/硬件共同设计:联合设计以防止每个栈级的泄漏。
具体的缓解措施示例
对于Kyber,选择使用基于AVX2的恒定时间多项式算法例程(参见官方PQClean仓库)。对于随机采样,使用加固的恒定时间采样器,而不是简单的表格法。
未来方向和研究
随着PQC的广泛应用:
- 新的泄漏模型:高维格子操作中的旁路泄漏仍然是开放的研究。
- 自动代码分析工具:如binsec/rel 用于寻找SCA漏洞。
- 深度学习军备竞赛:攻击者和防御者在攻击和检测中使用越来越强大的ML。
- 持续标准化:NIST和其他组织在新SCA技术发现时不断演进指南。
结论
虽然基于格子的后量子密码学在理论上对量子对手提供了安全性,旁路分析揭示了深刻的实际风险。特定实现的物理泄漏——功耗、EM、时间——可以通过仔细的分析,让攻击者恢复密钥。新的机器学习方法可以自动化和改进这些攻击。稳健的、旁路安全的实现需要仔细斟酌、恒定时间的代码、硬件/固件设计以及严格的测试。
随着后量子方案在智能卡、移动芯片和云端的部署中,旁路攻击的抵御能力必须与核心算法的加密强度同样重要。
参考文献
-
基于格子的后量子原语的旁路分析
https://dl.acm.org/doi/10.1145/3569420 -
后量子密码学的旁路攻击风险
https://www.ledger.com/blog-risk-side-channel-attacks-post-quantum-cryptography -
机器学习与后量子密码学的旁路攻击
https://eprint.iacr.org/2025/1754 -
NIST PQC 项目
https://csrc.nist.gov/Projects/post-quantum-cryptography -
PQClean: 干净和旁路安全的参考实现
https://github.com/PQClean/PQClean -
ChipWhisperer: 开源SCA/FI工具
https://chipwhisperer.io/
