♧ Godown 安全知识树

AES-128 CPA 相关功耗分析:汉明重量模型逐字节恢复密钥

crypto/side-channel · verified

一句话结论

已知 500 组明文和对应功耗轨迹时,对 AES-128 每个密钥字节枚举 0..255,用 HW(Sbox(P_i[b]^k)) 作为预测泄漏、与轨迹逐采样点做皮尔逊相关,取绝对相关最大的猜测即可恢复全部 16 字节密钥;再用 16 字节 IV + AES-CBC 解密密文即得 flag。

原理

  • CPA 模型:AES 第一轮 Sbox(P[b] ^ k) 的结果会进入寄存器/总线;很多硬件实现的功耗与寄存器中“1 的个数”(汉明重量 HW)线性相关。对正确密钥猜测,预测 HW 序列与真实轨迹在泄漏时刻高度相关;错误猜测近似随机。
  • 逐字节独立:第一轮 16 个字节的 S-box 查表互不依赖,因此可以分别攻击每个字节,搜索空间从 2^128 降到 16 × 256。
  • 皮尔逊相关:对每个猜测 k,计算 500 个预测值 L_i 和轨迹第 t 个采样点的相关系数 corr(L, T[:,t]);取 max_t |corr| 作为该猜测的分数。
  • 数据规模:本题 plaintexts.shape=(500,16)、traces.shape=(500,100);100 个采样点足够,峰值点严格落在 20..35,对应 16 个字节依次处理。
  • 结果:恢复密钥 66 dc e1 5f b3 3d ea cb 5c 03 62 f3 0e 95 f5 2e;encrypted_flag.bin 前 16 字节是 IV,后 48 字节是密文,AES-CBC 解密并去 PKCS#7 填充得到 texsaw{d1ffer3nti&!_p0w3r_@n4!y51s}。
  • 为什么相关峰高:本题轨迹干净、泄漏点集中、明文随机且数量足够;峰值 0.68~0.80,基本没有歧义。

触发条件

  • 能拿到同一密钥下的多组已知明文/密文和对应功耗/电磁轨迹。
  • 轨迹与明文按次对齐(同一索引对应同一次加密)。
  • 泄漏模型与实现匹配(本题为汉明重量;也可能是汉明距离、比特翻转等)。
  • 第一轮或最后一轮 S-box 输出与轨迹相关性足够强;轨迹采样点覆盖泄漏时刻。

利用步骤

  1. 读取 plaintexts.npy、traces.npy,确认形状和对齐关系。
  2. 对每个字节位置 b=0..15,枚举 k=0..255,计算 hyp = HW[Sbox[pt[:,b] ^ k]]。
  3. 对 hyp 和每条轨迹中心化,逐采样点算皮尔逊相关,取 max |corr|。
  4. 选分数最高的 k 作为该字节密钥;记录峰值采样点,检查是否按字节顺序排列。
  5. 拼出 16 字节 AES-128 密钥;用密文前 16 字节作 IV、AES-CBC 解密。
  6. 去 PKCS#7 填充,检查可打印性和 flag 格式;必要时用已知明文重新加密验证密钥。

PoC

import math
import numpy as np
from cryptography.hazmat.primitives.ciphers import Cipher, algorithms, modes

SBOX = np.frombuffer(bytes.fromhex(
    "637c777bf26b6fc53001672bfed7ab76ca82c97dfa5947f0add4a2af9ca472c0"
    "b7fd9326363ff7cc34a5e5f171d8311504c723c31896059a071280e2eb27b275"
    "09832c1a1b6e5aa0523bd6b329e32f8453d100ed20fcb15b6acbbe394a4c58cf"
    "d0efaafb434d338545f9027f503c9fa851a3408f929d38f5bcb6da2110fff3d2"
    "cd0c13ec5f974417c4a77e3d645d197360814fdc222a908846eeb814de5e0bdb"
    "e0323a0a4906245cc2d3ac629195e479e7c8376d8dd54ea96c56f4ea657aae08"
    "ba78252e1ca6b4c6e8dd741f4bbd8b8a703eb5664803f60e613557b986c11d9e"
    "e1f8981169d98e949b1e87e9ce5528df8ca1890dbfe6426841992d0fb054bb16"
), dtype=np.uint8)
HW = np.array([bin(i).count("1") for i in range(256)], dtype=np.uint8)

def recover_key(plaintexts, traces):
    T = traces - traces.mean(axis=0)
    T_norm = np.sqrt((T * T).sum(axis=0))
    key = []
    for b in range(16):
        pt = plaintexts[:, b]
        best_k, best_score = 0, -1.0
        for k in range(256):
            hyp = HW[SBOX[np.bitwise_xor(pt, k)]].astype(np.float64)
            H = hyp - hyp.mean()
            H_norm = math.sqrt(float((H * H).sum()))
            corr = (H[:, None] * T).sum(axis=0) / (H_norm * T_norm)
            score = np.max(np.abs(corr))
            if score > best_score:
                best_k, best_score = k, score
        key.append(best_k)
        print(f"byte {b:02d} = {best_k:02x} corr={best_score:.4f}")
    return bytes(key)

key = recover_key(np.load("plaintexts.npy"), np.load("traces.npy"))
data = open("encrypted_flag.bin", "rb").read()
iv, ct = data[:16], data[16:]
dec = Cipher(algorithms.AES(key), modes.CBC(iv)).decryptor()
pt = dec.update(ct) + dec.finalize()
print(pt[:-pt[-1]].decode())

变体与关联

  • 泄漏模型变体:汉明距离 HW(Sbox(P^K) ^ 前一状态)、比特模型、加权汉明重量;先画轨迹/相关性图选模型。
  • 攻击轮次变体:第一轮、最后一轮(需密文)、中间轮;最后一轮常用逆 S-box。
  • 轨迹处理变体:对齐/去噪/降采样、多点组合、CPA/DPA/模板攻击;轨迹少时可用多字节联合。
  • 关联卡片:[[crypto-aes-fixed-key-ecb-ciphertext-reproduce]](AES 常量识别)、[[crypto-aes-partial-key-suffix-bruteforce]](密钥爆破)、[[crypto-side-channel]](侧信道目录)。
  • 边界:若轨迹未对齐、泄漏模型错误、实现有掩码/隐藏/随机延迟,相关性会显著下降;需要更多轨迹或更精确模型。

检测与防御

  • 防御:AES 实现加掩码(Boolean/arithmetic masking)、隐藏(随机延迟、乱序、双轨逻辑)、恒定功耗/恒定时间;密钥更新。
  • 评估:用 TVLA/CPA 对实现做泄漏评估;限制功耗轨迹采集接口。
  • 检测信号:大量已知明文/密文与同步采集;设备功耗/电磁异常采集;CPA 峰值在固定采样点。