Persistent Fault Attack (PFA) is a recently proposed Fault Attack (FA) method in CHES 2018. It is able to recover full AES secret key in the Single-Byte-Fault scenario. It is demonstrated that classical FA countermeasures, such as Dual Modular Redundancy (DMR) and mask protection, are unable to thwart PFA. In this paper, we propose a fast-detection and faultcorrection algorithm to prevent PFA. We construct a fixed input and output pair to detect faults rapidly. Then we build two extra redundant tables to store the relationship between the adjacent elements in the S-box, by which the algorithm can correct the faulty elements in the S-box. Our experimental results show that our algorithm can effectively prevent PFA in both Single-ByteFault and Multiple-Bytes-Faults scenarios. Compared with the classical FA countermeasures, our algorithm has a much better effect against PFA. Further, the time cost of our algorithm is 40% lower than the classical FA countermeasures.


翻译:在CHES 2018 中, 持续断层攻击( PFA) 是最近提出的一种在 CHES 2018 中, 持续断层攻击( FA) 的方法。 它能够回收单一断层情景中的完整 AES 秘密密钥 。 事实证明, 传统的 FA 反措施, 如双模块重复( DMR) 和面具保护, 无法挫败 PFA 。 在本文中, 我们提出快速探测和错误校正算法, 以防止 PFA 。 我们建造了一个固定输入和输出对配方, 以快速检测断层。 然后我们再建两个多余的表格, 以存储S- box 中相邻元素之间的关系, 使算法能够纠正 S- box 中的错误元素 。 我们的实验结果显示, 我们的算法可以有效防止 PFA 在单一断层和多波段断层断层两种情况下 。 与传统的FA 反措施相比, 我们的算法对 PFA 效果要好得多。 此外, 我们的算法的时间成本比经典 FA反措施低40% 。

0
下载
关闭预览

相关内容

CHES:International Conference on Cryptographic Hardware and Embedded Systems。 Explanation:国际密码硬件和嵌入式系统会议。 Publisher:Springer。 SIT: http://dblp.uni-trier.de/db/conf/ches/
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年8月12日
Arxiv
0+阅读 · 2021年8月12日
Arxiv
13+阅读 · 2021年3月3日
Arxiv
11+阅读 · 2019年4月15日
Arxiv
11+阅读 · 2019年1月24日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
5+阅读 · 2018年5月16日
VIP会员
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Arxiv
0+阅读 · 2021年8月12日
Arxiv
0+阅读 · 2021年8月12日
Arxiv
13+阅读 · 2021年3月3日
Arxiv
11+阅读 · 2019年4月15日
Arxiv
11+阅读 · 2019年1月24日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
5+阅读 · 2018年5月16日
Top
微信扫码咨询专知VIP会员