椭圆曲线密码系统（ECC）中的标量乘法 kP 是核心操作，常成为侧信道分析（SCA）的目标。尽管采用原子模式等策略增强安全性，二进制 kP 算法仍易受简单 SCA 攻击，因为现场乘法器在处理两个不同操作数与两个相同操作数时能量消耗存在差异，此漏洞与具体乘法方法无关。本文实现了两种缓解技术：数据重定向（data redirection）和总线重载（bus reloading），并分析了它们对降低能量消耗可区分性的效果。实验结果表明，两种方法均能有效减少乘法和平方操作间的能量差异，从而提升对简单 SCA 的抵抗能力。论文的主要贡献在于揭示了标量乘法实现中一个被忽视的侧信道泄漏点，并提供了实用的硬件级防护方案，为 ECC 的安全实现提供了新的思路。该研究适用于硬件安全工程师和密码实现者，尤其是关注嵌入式设备中 ECC 侧信道防护的从业人员。

本文聚焦于侧信道分析（SCA）中的电磁（EM）探针位置鲁棒性问题。传统的SCA通过采集加密操作中的物理泄漏（如电磁辐射）来破解加密算法。在评估芯片的电磁泄漏时，通常需要将探针放置在芯片上方的有利位置，但现有的研究大多集中在热点发现和重定位上。本文提出了一种新方法：使用来自多个EM探针位置的迹线训练单个神经网络，从而在更大的区域内检测泄漏。作者进行了双实验室评估：一个实验室的数据用于训练，另一个实验室的迹线用于攻击，验证了方法的跨设备泛化能力。实验表明，该方法能够有效应对探针位置变化带来的挑战，提高了侧信道分析的实用性和鲁棒性。这项研究对于硬件安全评估和抗侧信道防护设计具有参考价值。