買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江理工大學申請的專利用于安全信道的高效泄露檢測方法及系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN119906587B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-07-04發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510397147.7，技術領域涉及：H04L9/40；該發(fā)明授權用于安全信道的高效泄露檢測方法及系統(tǒng)是由沈劍;孫天龍;王晨;譚皓文;周天祺;楊惠杰;王濱;王偉;胡進設計研發(fā)完成，并于2025-04-01向國家知識產(chǎn)權局提交的專利申請。

本用于安全信道的高效泄露檢測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明屬于數(shù)據(jù)傳輸技術領域，具體涉及用于安全信道的高效泄露檢測方法及系統(tǒng)。方法包括：S1，隨機生成明文，并輸入加密設備，同時執(zhí)行AES加密過程；實時采集并保存設備運行側(cè)信道信息，循環(huán)執(zhí)行步驟S1操作，獲得完整的數(shù)據(jù)集；S2，對每條采集到的數(shù)據(jù)樣本進行分割，以提取運行中間狀態(tài)泄露信息；S3，使用自動編碼器對分割后的數(shù)據(jù)進行重構和去噪，并使用無監(jiān)督預適應技術降低不同數(shù)據(jù)預處理操作間的差異；S4，將數(shù)據(jù)分為訓練數(shù)據(jù)集、驗證數(shù)據(jù)集和攻擊數(shù)據(jù)集；利用訓練數(shù)據(jù)集訓練機器學習模型或新構建的模板模型，并在驗證數(shù)據(jù)集上評估模型性能；S5，使用訓練后的模型在攻擊數(shù)據(jù)集上進行預測，評估恢復密鑰所需樣本數(shù)量。

本發(fā)明授權用于安全信道的高效泄露檢測方法及系統(tǒng)在權利要求書中公布了：1.用于安全信道的高效泄露檢測方法，其特征在于，包括如下步驟； S1，隨機生成明文，并輸入加密設備，同時執(zhí)行AES加密過程；實時采集并保存設備運行側(cè)信道信息，循環(huán)執(zhí)行步驟S1操作，獲得完整的數(shù)據(jù)集；所述側(cè)信道信息包括能量軌跡； S2，對每條采集到的數(shù)據(jù)樣本進行分割，按照不同輪次、操作和字節(jié)進行劃分，以提取運行中間狀態(tài)泄露信息； S3，使用自動編碼器對分割后的數(shù)據(jù)進行重構和去噪，并結(jié)合均方誤差及最大均值差異聯(lián)合損失函數(shù)降低不同數(shù)據(jù)預處理操作間的差異； S4，將預處理后的數(shù)據(jù)分為訓練數(shù)據(jù)集、驗證數(shù)據(jù)集和攻擊數(shù)據(jù)集；利用訓練數(shù)據(jù)集訓練機器學習模型或新構建的模板模型，并在驗證數(shù)據(jù)集上評估模型性能； S5，使用訓練后的模型在攻擊數(shù)據(jù)集上進行預測，評估恢復密鑰所需樣本數(shù)量； 步驟S2包括如下步驟： S21，考慮到AES算法操作泄露存在于輪密鑰加和字節(jié)替換階段，設定將一條AES128算法的數(shù)據(jù)樣本拆分為1*16*1+10*16*2條跡線；其中，1*16*1中的1、16、1依次代表輪次、字節(jié)和操作；10*16*2中的10、16、2依次代表輪次、字節(jié)和操作； S22，設定輪密鑰加狀態(tài)值公式表示為： 其中，State代表狀態(tài)值，代表異或運算，RoundKey代表輪密鑰，i∈[0,15]代表字節(jié)索引； 設定字節(jié)替換狀態(tài)值公式表示為： State[i]＝SBoxState[i] 其中，SBox代表S盒運算； 步驟S3包括如下步驟： S31，采用均方誤差MSE作為重構損失，具體的公式為： 其中，n是數(shù)據(jù)點的總數(shù)，yi是實際值，是預測值； S32，引入最大均值差異MMD作為損失函數(shù)，用于量化輪密鑰加和字節(jié)替換兩種數(shù)據(jù)分布之間的差異；MMD通過測量輪密鑰加與字節(jié)替換操作生成的數(shù)據(jù)在高維空間中的均值差異，促使特征空間對齊，進而使來自不同操作的數(shù)據(jù)在特征分布上趨于一致；最大均值差異MMD的具體公式表示如下： 其中，xi和yj是來自兩個不同分布的數(shù)據(jù)樣本，m和n是兩個樣本集的大小，φ代表核函數(shù)，‖·‖表示向量的范數(shù)； S33，同時優(yōu)化MSE和MMD損失函數(shù)，使自動編碼器有效地進行數(shù)據(jù)去噪與重構；自動編碼器總損失函數(shù)Loss具體表示如下： Loss＝MSE+λ·MMD 其中，λ表示權重系數(shù)，用于控制重構準確性與數(shù)據(jù)分布一致性之間的平衡； 步驟S4包括如下步驟： S41，為數(shù)據(jù)樣本制作標簽，具體分為如下兩種形式： 基于ID模型：直接使用狀態(tài)值作為標簽，對數(shù)據(jù)樣本進行分類；考慮到狀態(tài)值的范圍為0到255，則將數(shù)據(jù)樣本分為256類； 基于HW模型：使用狀態(tài)值的漢明重量作為標簽；所述漢明重量指的是在二進制表示中為1的位數(shù)，根據(jù)漢明重量的取值，將樣本分為9類； 步驟S5包括如下步驟： S51，使用訓練后的模型在攻擊數(shù)據(jù)集上進行預測，得出每一個數(shù)據(jù)樣本在所有標簽類別上的后驗概率分布，根據(jù)輸入明文將標簽概率分布轉(zhuǎn)換為對應密鑰的后驗概率，并作為每個密鑰的得分分布； S52，將每個數(shù)據(jù)樣本的得分對應密鑰相加，得出每個密鑰類別總得分；每個密鑰類別總得分分布反映了模型對于各個密鑰的信心程度，得分越高，表明預測結(jié)果越可能是對應的密鑰，具體過程如下公式表示： 其中，ScoreKj表示密鑰Kj總得分，PKj|yi是給定樣本yi時密鑰Kj的后驗概率，N是攻擊數(shù)據(jù)集中樣本總數(shù)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" >浙江理工大學，其通訊地址為：310018 浙江省杭州市錢塘區(qū)下沙2號大街928號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。