Simple Power Analysis on Post-Quantum Code Based Cryptosystems
Dieser Artikel zeigt, dass die Kombination aus Einfacher Stromanalyse und maschinellem Lernen erfolgreich geheime Bits aus den Post-Quanten-Kryptosystemen McEliece und BIKE unter Verwendung von lediglich 200 Stromspuren extrahieren kann, wodurch eine signifikante Informationsleckage während der Entkapsulierungsphase aufgedeckt wird.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie haben einen hochtechnologischen, futuristischen Safe, der Ihre Geheimnisse sicher verwahrt, selbst vor Supercomputern der Zukunft (Quantencomputern). Diese Arbeit handelt von einem Studenten namens Konstantinos, der entschied zu prüfen, ob diese „unknackbaren" Boxen tatsächlich eine geheime Hintertür besitzen – nicht in der Mathematik, sondern in der Art und Weise, wie sie sich physikalisch verhalten, wenn sie arbeiten.
Hier ist die Geschichte des Experiments, aufgeteilt in einfache Teile:
1. Der „flüsternde" Safe
Die Arbeit konzentriert sich auf zwei spezifische Arten futuristischer Schlösser namens McEliece und BIKE. Diese sind als „Post-Quantum" konzipiert, was bedeutet, dass sie so gebaut sind, dass sie Angriffe von Quantencomputern überstehen.
Normalerweise denken die Leute, Sicherheit hinge ausschließlich von der Mathematik ab. Wenn die Mathematik schwer ist, ist das Schloss sicher. Doch Konstantinos betrachtete die physische Seite. Er erkannte, dass ein Computer, wenn er eine Box entschlüsselt, nicht nur „denkt", sondern auch „schwitzt". Er verbraucht Elektrizität, und diese Elektrizität erzeugt winzige, unsichtbare Wellen in der Luft (elektromagnetische Wellen) und verändert die Menge an Strom, die er zieht.
Stellen Sie sich das wie einen Safeknacker vor, der auf einen Safe lauscht. Selbst wenn die Kombination perfekt ist, könnte der Safe ein winziges Klicken oder ein Summen machen, wenn die richtige Zahl gedreht wird. Dieser Sound ist ein „Leck". In der digitalen Welt heißt dieses Leck Simple Power Analysis (SPA).
2. Das „Low-Tech"-Detektiv-Kit
Man könnte denken, man brauche ein Labor im Wert von einer Million Dollar, um diese Lecks zu fangen. Konstantinos bewies, dass dies nicht der Fall ist. Er baute ein „Detektiv-Kit" aus günstigen, handelsüblichen Teilen, ähnlich dem, was ein Hobbyist kaufen würde:
- Das Ziel: Ein Raspberry Pi 3 (ein winziger, billiger Computer), der als Safe fungiert.
- Der Sensor: Ein winziger Widerstand (wie eine Geschwindigkeitsbremse für Elektrizität), um zu messen, wie viel Strom der Computer verbraucht.
- Der Verstärker: Ein kleines Gerät, um die winzigen elektrischen Signale laut genug zu machen, um sie zu hören.
- Der Recorder: Ein Raspberry Pi Pico (ein weiterer winziger Computer), um die Daten aufzuzeichnen.
Es ist wie die Verwendung eines Stethoskops und eines Notizbuchs anstelle eines Super-Mikroskops, um einem Herzschlag zu lauschen.
3. Der „Herzschlag" des Geheimnisses
Das Experiment bestand darin, den Safe zu öffnen (ein Prozess namens Decapsulation), um einen geheimen Schlüssel zu generieren. Während der Computer dies tat, zeichnete Konstantinos den „Herzschlag" (den Stromverbrauch) der Maschine auf.
Dann stellte er eine einfache Frage: „Ändert sich der Herzschlag in Abhängigkeit von der geheimen Zahl, die verarbeitet wird?"
Um dies zu beantworten, verwendete er ein statistisches Werkzeug (einen Korrelationskoeffizienten), um zu sehen, ob die Stromspitzen mit den geheimen Bits (0 und 1) übereinstimmten.
- Das Ergebnis: Ja! Der Herzschlag änderte sich. Wenn der Computer eine „1" verarbeitete, war die Stromspitze anders als wenn er eine „0" verarbeitete.
- Der Beweis: Er fand heraus, dass die Stromspuren und die geheimen Bits mit einer Stärke von mehr als 0,1 verknüpft waren (ein Schwellenwert, dem Experten zustimmen, dass er ein „Leck" bedeutet).
4. Einem Computer beibringen, Gedanken zu lesen
Der interessanteste Teil war, was als Nächstes geschah. Konstantinos betrachtete die Daten nicht nur; er brachte einem Computer (mittels Machine Learning) bei, die geheimen Bits allein basierend auf den Stromspuren vorherzusagen.
Stellen Sie sich vor, Sie haben eine Tasche mit 200 geheimen Notizen. Sie geben einem Roboter den Sound der arbeitenden Maschine und bitten ihn, die Notizen zu erraten.
- Das Ergebnis: Der Roboter lag öfter richtig, als wenn er einfach zufällig geraten hätte.
- Die Details: Der Roboter war besonders gut darin, die „1"-Bits zu erraten, da diese größere Stromspitzen verursachten (wie ein lauteres Herzschlag).
- Die Punktzahl: Das System konnte die geheimen Informationen mit einer Erfolgsrate (F1-Score) konsistent über 0,65 vorhersagen, was in der Welt der Kryptographie als signifikantes Leck gilt.
5. Das Fazit
Die Arbeit kommt zu dem Schluss, dass diese Post-Quantum-Schlösser, obwohl sie mathematisch stark sind, in ihrer physischen Implementierung auf günstiger Hardware „undicht" sind.
- Die schlechte Nachricht: Wenn Sie diese Systeme auf einfachen Geräten ohne zusätzlichen Schutz verwenden, könnte ein Dieb mit einem billigen Kit potenziell Ihren geheimen Schlüssel stehlen, indem er einfach den Stromverbrauch abhört.
- Die Zukunft: Die Arbeit schlägt vor, dass Ingenieure, um dies zu beheben, „Rauschen" oder „Masken" hinzufügen müssen, um den wahren Herzschlag des Computers zu verbergen. Es wird auch angemerkt, dass ein anderes System namens HQC noch nicht getestet wurde, da es in der verwendeten Softwarebibliothek nicht verfügbar war, was dies als Aufgabe für zukünftige Forscher zurücklässt.
Kurz gesagt: Die Arbeit zeigt, dass selbst die fortschrittlichsten digitalen Schlösser geknackt werden können, indem man auf ihre „Flüstern" hört, wenn man weiß, wie man zuhört, und man braucht keinen Supercomputer dafür – nur ein paar Dollar an Elektronik.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.