买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利基于自注意力机制的深度学习侧信道攻击方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116208311B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111438540.4，技术领域涉及：H04L9/00；该发明授权基于自注意力机制的深度学习侧信道攻击方法及系统是由寇小勇;周梓馨;杨威;张功萱设计研发完成，并于2021-11-30向国家知识产权局提交的专利申请。

本基于自注意力机制的深度学习侧信道攻击方法及系统在说明书摘要公布了：本发明公开了一种基于自注意力机制的针对原始能量迹进行深度学习的侧信道攻击方法，可以直接对原始能量迹进行建模攻击。本发明引入了自注意力机制用以改进信道攻击，使得在针对原始能量迹攻击时有一个新的模型参考，该模型较其他攻击模型并行化更好，并且解决了在优化模型时存在的梯度消失和梯度爆炸问题，消除了在侧信道领域内使用传统卷积深度神经网络以及传统循环神经网络的弊端，加速模型训练速度。

本发明授权基于自注意力机制的深度学习侧信道攻击方法及系统在权利要求书中公布了：1.一种基于自注意力机制的深度学习侧信道攻击方法，其特征在于，所述方法包括以下步骤： 步骤1，运行加密设备，采集明文、明文加密所使用的密钥和设备运行时第一轮加密所泄露的数据信息，构建数据集； 步骤2，构建基于自注意力机制的针对原始能量迹进行深度学习的侧信道攻击模型，利用所述数据集进行训练，并采集训练指标； 步骤3，利用训练好的模型进行侧信道攻击，并采集攻击结果数据； 步骤4，对模型的攻击结果进行评估，确定攻击得出的密钥，评价模型攻击效果； 步骤1所述运行加密设备，采集明文、明文加密所使用的密钥和设备运行时第一轮加密所泄露的数据信息，具体包括： 步骤1-1，随机生成若干16字节的明文Pi，将明文平均划分成若干组，运行加密设备，每一组明文在固定密钥Ki的情况下加密成密文，泄露的中间值为Yi，不同组使用不同的密钥加密，即： 其中，为异或操作，Sbox对应着S盒，是AES算法字节替换运算； 步骤1-2，在步骤1-1运行加密设备的同时，控制设备运行周期，使用线圈同步采集泄露的电磁信息； 对于每一条明文加密操作，采集一组特征记为Tracei，同时对每一个Tracei使用加密算法计算其对应的中间值Yi，之后将特征Tracei、中间值Yi、明文Pi组成三元组数据Tracei，Yi，Pi，形成数据集databsesN； 步骤1-3，将所述数据集databsesN划分为训练集databsesn_train、验证集databsesn_valid和攻击集databsesn_attack，其中N、n_train、n_valid、n_attack分别为原始能量迹的数量、训练集能量迹的数量、验证集的能量迹的数量和攻击集的能量迹的数量； 步骤2所述构建基于自注意力机制的针对原始能量迹进行深度学习的侧信道攻击模型，利用所述数据集进行训练，并采集训练指标，具体过程包括： 步骤2-1，构建深度学习侧信道攻击模型，该模型用于通过输入的特征Tracei输出其各个中间值的概率组成的向量yi'； 步骤2-2，将训练集databsesn_train用于模型训练，其中每个三元组的Tracei放入模型，模型输出yi'，三元组中的Yi和模型输出的yi'输入损失函数以优化模型； 步骤2-3，模型每个周期训练完之后，将验证集databsesn_valid用于模型训练，其中每个三元组的Tracei放入模型，模型将输出yi'，不同于步骤2-2的是，此处只采集模型表现的指标，即正确率，损失函数不对模型进行优化；所述正确率为模型对输入样本预测正确的概率，用于优化模型，使得模型输出更加符合预期，正确率的计算公式为： 其中，num_t为预测正确的样本数，num_total为样本总数； 步骤2-4，重复步骤2-2和步骤2-3，直至达到预设次数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。