s-MDM: Generative Virtualization of Multi-Device Hardware Variations for Portable DL-SCA
该论文（海报）针对深度学习侧信道分析（DL-SCA）中的一个关键工程痛点：当把在一个设备上训练好的模型迁移到未见过的硬件上时，性能往往因印刷电路板（PCB）走线差异、硅工艺偏差以及测量噪声分布变化而急剧下降。作者提出合成多设备模型（s-MD
#side-channel-analysis
共收录 3 条相关情报。
← 返回所有主题A Simple Transformer Pipeline for Full-Key Side-Channel Attacks on Uncropped Datasets
本文提出了一种用于非裁剪（uncropped）侧信道数据集的全密钥（full-key）攻击的简单 Transformer 流水线。传统深度学习侧信道分析通常针对单字节目标并依赖人工裁剪的迹线，这可能会丢弃可利用的泄漏信息。近期研究虽然提出了
quantum-safe: Bridging the Post-Quantum Production Gap with a Hybrid-by-Default Python Cryptography Library
2024年8月，美国国家标准与技术研究院（NIST）正式发布了后量子密码学标准FIPS 203（ML-KEM）、FIPS 204（ML-DSA）和FIPS 205（SLH-DSA），从而填补了算法层面的空白。然而，生产环境中的实际部署仍存在