一种深度学习旁路分析的安全评估框架搭建方法

摘要

本发明公开了一种深度学习旁路分析的安全评估框架搭建方法，包括：基于建模输出的秘钥信息量子框架，由交叉熵、损失函数组成的深度学习子框架；条件猜测熵及衍生猜测熵、成功率组成的旁路分析子框架。根据信息瓶颈理论分析，通过概率分布计算DNN最后一层隐藏层到输出层的感知信息作为DLSCA的量化评估指标，并通过实验验证该指标比现有的量化评估指标衡量更加精准，且对数据的数量级要求更低。