@techreport{oai:ipsj.ixsq.nii.ac.jp:00219033,
 author = {竹本, 修 and 池崎, 良哉 and 野崎, 佑典 and 吉川, 雅弥 and Shu, Takemoto and Yoshiya, Ikezaki and Yusuke, Nozaki and Masaya, Yoshikawa},
 issue = {7},
 month = {Jul},
 note = {近年，深層学習の発展によって，AI はサイバーセキュリティの分野においても取り入れられている．一方で，セキュリティの向上だけでなくサイバー攻撃への転用も報告され，その脅威が顕在化している．サイバー攻撃のひとつとして，暗号デバイスの秘密情報を解析する電力解析攻撃と呼ばれる不正攻撃があり，近年では深層学習を用いて効率的に解析する手法として深層学習電力解析攻撃が提案されている．そこで，深層学習電力解析攻撃に対する暗号の安全性評価が非常に重要となっている．特に，実装制約のある IoT デバイスにおける暗号には，小面積に実装できるアルゴリズムとして軽量暗号が適しており，その安全性評価が求められている．そこで本研究では，代表的な軽量暗号として PRINCE に対する深層学習電力解析攻撃を行う．また，評価デバイス上にマスキング対策を適用した PRINCE を実装し，深層学習による秘密情報の学習率を評価する．, In recent years, with the development of deep learning, AI has been incorporated in the field of cyber security. On the other hand, AI has been reported to be used not only to improve security but also for cyber-attacks. One of the cyber attacks is a malicious attack called a power analysis attack, which analyzes the secret information of a cryptographic device. Recently, deep learning power analysis attack has been proposed as an efficient method using deep learning. Therefore, it is important to evaluate deep learning power analysis attacks on cryptographic devices. In particular, cryptographic algorithms that can be implemented in a small area are suitable for IoT devices with implementation constraints. Several such cryptographic algorithms have been proposed as lightweight block cipher. Therefore, this study demonstrates a deep learning power analysis attack on PRINCE as a representative lightweight block cipher. Also, this study implements PRINCE with masking countermeasures on an evaluation device and evaluates the learning rate of the Hamming distance by deep learning.},
 title = {耐タンパPRINCEの深層学習電力解析攻撃},
 year = {2022}
}