Căn cứ vào quy trình thực hiện và kết quả thực nghiệm tấn công VMD-CPA có thể đưa ra một số nhận xét và kết luận như sau:
(1) Tấn công VMD-CPA có khả năng tìm được khóa đúng của thiết bị có độ tin cậy cao khi sử dụng các VMD mode phù hợp Với bộ dữ liệu các vết điện năng trong ACT-TRACES, số vết cần để khôi phục khóa đúng là khoảng 79 vết Như vậy hiệu quả khôi phục khóa của tấn công này là rất tốt
(2) VMD mode phù hợp cho tấn công là mode chứa thông tin rò rỉ điện năng tiêu thụ tối đa và khi phân tích phổ của mode này có chứa thành phần tần số clock của mạch điện xử lý mật mã Tấn công VMD-CPA trên mode này sẽ có hiệu quả cao nhất Do đó, một phương pháp lựa chọn VMD mode chứa rò rỉ điện năng tiêu thụ tối đa là thực thi tấn công VMD-CPA trên tất cả các VMD mode và chọn VMD mode có kết quả tấn công tốt nhất
(3) Tấn công VMD-CPA có hiệu quả hơn tấn công CPA trên phương diện số vết điện năng tiêu thụ cần để tìm khóa đúng với độ tin cậy cao Được mô tả trên Bảng 2 4, số vết cần giảm khoảng 25% trong đối với các vết gốc và khoảng 80% đối với trường hợp vết điện năng tiêu thụ có nhiễu lớn Như vậy có thể thấy rằng hiệu quả của nó tốt hơn rất nhiều so với CPA đặc biệt là trong trường
hợp có nhiều Khi nhiễu ở mức cao (��� 5�� = ), tấn công VMD-CPA vẫn
có khả năng tìm được khóa đúng, còn CPA thì không Điều này một lần nữa khẳng định hiệu quả của kỹ thuật VMD trong việc giảm nhiễu và lựa chọn phần thông tin kênh kề tối đa từ vết điện năng tiêu thụ, qua đó giúp hiệu quả tấn công tăng lên
(4) So sánh với công trình [72], phương pháp VMD-CPA được xây dựng dựa trên cơ sở lựa chọn WMD mode, đồng thời quy trình thực hiện đơn giản hơn bởi không cần các thao tác phân tách mode, tái tạo vết ban đầu và kết hợp biến đổi Wavelet
(5) Về mặt hạn chế, tấn công VMD-CPA cần một bước tiền xử lý các vết điện năng tiêu thụ bởi kỹ thuật VMD và lựa chọn mode phù hợp nên sẽ cần yêu cầu chi phí tính toán lớn hơn so với CPA Tuy nhiên, việc xử lý các vết điện năng tiêu thụ bởi VMD có thể thực hiện dễ dàng bởi các máy tính cá nhân với thời gian không đáng kể Do đó, luận án không đi sâu vào phân tích khía cạnh này của tấn công
Đề xuất phương pháp tấn công mẫu hiệu quả VMD-GSO-SVM
Các phương pháp tấn công mẫu thường dựa trên giả định về phân bố xác suất của giá trị điện năng tiêu thụ trên vết (giả định Gauss) và một phương pháp lựa chọn POIs dựa trên kinh nghiệm của người tấn công mà chưa khẳng định được tính hiệu quả của nó trong trường hợp các vết điện năng tiêu thụ có nhiễu Do đó, trong phần này luận án đề xuất phương pháp tấn công mẫu được gọi là VMD-GSO-SVM để giải quyết hai vấn đề sau nhằm nâng cao hiệu quả của tấn công:
(1) Không cần giả định về phân bố xác suất của các giá trị điện năng tiêu thụ trên vết
(2) Xây dựng một phương pháp lựa chọn POIs hiệu quả, trích chọn được các thông tin có ích từ vết điện năng tiêu thụ đồng thời làm việc tốt trong trường hợp vết có nhiễu
Để giải quyết vấn đề thứ nhất, khi phân bố xác suất của điện năng tiêu thụ chưa biết, các thuật toán học máy thường được áp dụng để xây dựng mô hình hiện năng tiêu thụ của thiết bị Có nhiều thuật toán học máy được áp dụng thành công cho bài toán tấn công mẫu tuy nhiên thuật toán máy véc-tơ hỗ trợ là thuật toán được sử dụng phổ biến và các kết quả thực nghiệm trên dữ liệu vết điện năng tiêu thụ có kết quả tốt nhất so với các bộ phân lớp khác [48] Do đó, trong phương pháp VMD-GSO-SVM luận án đề xuất sử dụng thuật toán SVM để xây dựng mô hình điện năng tiêu thụ của thiết bị cho các giá trị trung gian tấn công
Với vấn đề thứ hai, luận án đề xuất phương pháp lựa chọn POIs kết hợp giữa VMD, GSO và SVM có khả năng lựa chọn những thông tin tốt nhất từ các vết điện năng tiêu thụ đồng thời nó cũng có khả năng chống lại được sự ảnh hưởng của nhiễu trên các vết điện năng tiêu thụ Trong đó, kỹ thuật VMD được sử dụng để phân tách vết điện năng tiêu thụ thành các VMD mode Một VMD mode chứa thông tin có ích trên vết điện năng tiêu thụ sẽ được lựa chọn và đưa vào thuật toán GSO để xếp hạng giá trị thông tin của các điểm trên VMD mode Các điểm trên VMD mode được lựa chọn làm POIs là những điểm được GSO xếp hạng cao và số điểm POIs được xác định dựa trên độ chính xác của SVM khi thực hiện huấn luyện và phân lớp chúng Việc lựa chọn số điểm POIs dựa trên độ chính xác phân lớp của SVM là phù hợp khi chúng cũng được sử dụng với SVM khi nó thực hiện nhiệm vụ xây dựng mô hình điện năng tiêu thụ của thiết bị trong giai đoạn lập mẫu của quy trình tấn công mẫu
Căn cứ vào các định hướng này, luận án đề xuất quy trình thực thi tấn công VMD- GSO-SVM dựa trên quy trình tấn công mẫu cơ bản với những cải tiến ở giai đoạn lựa chọn POIs và được mô tả ở phần dưới đây