#side-channel-attack

共收录 3 条相关安全情报。

← 返回所有主题
推荐 9.5
Conf: 50%
👥 作者: Siemen Dhooghe, Aein Rezaei Shahmirzadi, Amir Moradi 0001

本文针对 AES 加密算法的硬件实现,提出了一种新的二阶掩码方案,旨在抵抗侧信道攻击(如功耗分析)。传统的掩码技术需要大量随机数来保证安全性,而本文通过最小化共享数量(仅需 d+1 个共享,其中 d=2)和降低随机数复杂度,显著提升了效率。具体方法基于塔域分解(tower field decomposition)来实现 S 盒的掩码,利用“换岗”(changing of the guards)技术对分解的中间分支进行重新掩码,从而在不使用随机数的情况下达到一阶探测安全性,并确保输出均匀分布。为了获得多轮安全性,通过对探测信息传播的理论分析,减少了每轮所需的随机数重掩码量。最终,该设计在延迟和面积方面与现有技术相当,但随机数复杂度降低了 8 倍以上(总共仅需 1268 比特随机数,包括明文和密钥的共享)。论文还提供了理论安全证明,并在 FPGA 上实现了原型,通过实验室分析验证了其安全性。该工作适合硬件安全设计者、密码实现工程师以及侧信道攻击防护研究人员阅读。

💡 推荐理由: 该方案大幅降低了掩码 AES 的随机数需求,有助于在资源受限的硬件(如物联网设备)中实现低成本、高效率的侧信道防护,同时保持安全强度。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Chongqing Lei, Zhen Ling 0001, Yue Zhang 0025, Kai Dong 0001, Kaizheng Liu, Junzhou Luo, Xinwen Fu

本文提出一种名为CONQUER的新型侧信道攻击,通过利用内容查询(如浏览器自动填充或密码管理器查询)的响应时间或行为特征来窃取用户密码。研究背景:现代浏览器和密码管理器广泛使用内容查询功能,例如在用户输入时自动填充密码或提供提示,但这些查询的响应模式可能泄露敏感信息。核心问题:攻击者能否利用这些查询的响应差异性来推断密码字符?方法:作者设计并实现CONQUER攻击,通过向目标网站注入恶意脚本,监控与密码字段相关的查询响应时间或错误消息,从而逐字符还原密码。主要贡献:首次系统性地分析了内容查询攻击的可行性,并展示了在主流浏览器和密码管理器上的实验验证,证明了攻击的高效性和隐蔽性。实验表明,攻击者可在短时间内以高准确率窃取密码,且现有防御机制难以检测。该工作为密码安全领域提出了新的威胁向量,并推动了相关防御措施的研究。

💡 推荐理由: CONQUER攻击揭示了浏览器和密码管理器中内容查询功能的严重安全隐患,可能导致大规模密码泄露,值得安全从业者高度重视并加速风险评估与防御改进。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
推荐 14.5
Conf: 50%
👥 作者: Tejas Kannan, Synthia Qia Wang 0001, Max Sunog, Abraham Bueno de Mesquita, Nick Feamster, Henry Hoffmann

智能电视作为互联网连接的电视设备,广泛支持视频流媒体应用和网页浏览。用户通过屏幕上的虚拟键盘进行信息输入,例如密码、信用卡号等敏感数据。这类键盘依赖遥控器的方向键选择字符,而不同操作(如按键选择、光标移动、删除字符)会产生不同的声音。本文针对苹果和三星两款主流智能电视,开发并展示了一种新型声学侧信道攻击方法,能够从电视发出的音频中提取用户的键盘输入。该方法利用不同操作的声音差异,推断出每次选择之间的光标移动次数,从而限制可能的输入序列。攻击者通过远程或本地录音获取电视音频,无需物理接触设备。实验表明,在合理猜测次数(100次)内,该攻击能成功恢复最多33.33%的信用卡信息(如卡号)和60.19%的常见密码。该漏洞已被三星官方确认,凸显了智能电视在保护敏感数据方面的不足。研究贡献包括:(1) 首次系统性地研究智能电视声学键盘泄漏问题;(2) 提出基于音频信号处理的攻击流程;(3) 量化攻击成功率并验证其现实威胁。适合安全研究人员、智能电视厂商及关注隐私保护的用户阅读。

💡 推荐理由: 智能电视已成为家庭常见设备,用户常在电视上输入敏感信息。本研究揭示的声学侧信道攻击无需额外硬件,仅通过录音即可窃取密码和信用卡数据,威胁家庭隐私安全,值得安全从业者关注并推动厂商修复。

🎯 建议动作: 研究跟进

排序因子: 影响边界/网络设备 (+5) | 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)