⚡ electrical engineering

TriSweep: A Four-Drone Swarm Framework for Electromagnetic Side-Channel Analysis

TriSweep è un framework di simulazione che propone un'architettura di sciame a quattro droni che utilizza raccoglitori specializzati spazialmente e combinazione coerente dei segnali per eseguire con successo un'analisi autonoma a distanza dei canali laterali elettromagnetici su microcontrollori mascherati a distanze comprese tra 0,25 e 1,5 metri, ottenendo miglioramenti significativi nel recupero delle chiavi rispetto agli approcci con singolo drone nonostante la mancanza di un'implementazione hardware fisica.

Autori originali: Eric Yocam, Varghese Vaidyan

Pubblicato 2026-05-22

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Eric Yocam, Varghese Vaidyan

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di cercare di ascoltare una conversazione segreta che avviene all'interno di una stanza chiusa a chiave. Di solito, per sentire i sussurri, devi premere l'orecchio proprio contro la porta. Ma cosa succederebbe se potessi stare dall'altra parte della strada e sentire comunque ogni parola?

Questa è l'idea alla base di TriSweep, una nuova simulazione al computer creata dai ricercatori Eric Yocam e Varghese Vaidyan. Non stanno ancora costruendo un vero robot volante; invece, hanno creato un "parco giochi virtuale" per testare se un team di quattro minuscoli droni potrebbe rubare chiavi di crittografia segrete da un chip informatico a distanza, senza mai toccarlo.

Ecco come funziona il loro "squadra di droni", spiegato in modo semplice:

Il Problema: Il "Sussurro" è Troppo Debole

Quando un chip informatico (come quello presente in una carta intelligente o in un router) esegue calcoli per crittografare i dati, perde minuscole quantità di energia elettromagnetica. Pensa a questo come a un sussurro debole.

Il Vecchio Metodo: Gli hacker devono solitamente posizionare un sensore a pochi millimetri dal chip per sentire chiaramente il sussurro.
La Nuova Minaccia: I ricercatori si sono chiesti: "Cosa succederebbe se un hacker volasse con un drone vicino a una finestra o sopra una recinzione?". Hanno scoperto che la sicurezza attuale assume che l'hacker non possa avvicinarsi abbastanza. TriSweep testa se in realtà può.

La Soluzione: Un Team di Quattro Droni

Invece di un singolo drone che cerca di fare tutto, TriSweep utilizza un team di quattro droni con compiti specifici, che lavorano insieme come un'orchestra ben provata.

Drone A (L'Ancora): Questo drone rimane fermo e funge da "direttore d'orchestra". Mantiene il tempo e assicura che tutti siano sulla stessa lunghezza d'onda.
Drone B (L'Ascoltatore della Maschera): Il chip informatico indossa una "maschera" (un trucco di sicurezza che nasconde il segreto). Drone B è specializzato nell'ascoltare il momento in cui il chip indossa la maschera.
Drone C (L'Ascoltatore del Cipher): Questo drone ascolta il momento in cui il chip esegue i calcoli effettivi (la parte segreta) mentre indossa la maschera.
Drone D (L'Accumulatore): Questo è il "cervello". Si posiziona un po' più indietro, riceve le registrazioni dagli altri tre e svolge il lavoro pesante.

Il Trucco Magico: "Cancellare il Rumore" del Segreto

Ecco la parte geniale. La "maschera" del chip è come un rumore statico che nasconde il messaggio segreto.

Drone B sente il "rumore della maschera".
Drone C sente il "messaggio segreto + rumore della maschera".
Drone D prende entrambe le registrazioni e le moltiplica insieme in un modo speciale.

Immagina di avere due registrazioni di una canzone. Una contiene un forte colpo di tosse, e l'altra contiene lo stesso colpo di tosse ma senza musica. Se le mescoli perfettamente, il colpo di tosse si annulla da solo e, improvvisamente, la musica diventa chiara. Drone D fa questo matematicamente per cancellare la "maschera" e rivelare la chiave segreta.

I Risultati: Quanto Ha Funzionato?

Poiché non hanno ancora costruito i droni reali, hanno eseguito l'intera sceneggiatura su un computer velocissimo utilizzando dati reali provenienti da altri test di sicurezza.

La Distanza: Hanno testato distanze da 10 pollici (0,25 metri) a circa 5 piedi (1,5 metri).
Il Lavoro di Squadra: Un solo drone era terribile nel indovinare la chiave (era come cercare un ago in un pagliaio). Ma quando i tre droni ascoltatori lavoravano insieme, ottenevano un guadagno di 4,8 decibel (come alzare significativamente il volume).
Il Successo: Con il team completo di quattro droni, la simulazione ha indovinato con successo la chiave segreta con un livello di confidenza molto elevato. È stato circa 10 volte meglio di quanto un singolo drone avrebbe potuto fare.
La Correzione del Tremolio: I droni reali tremolano leggermente quando sono in hover (come una mano tremante che tiene una telecamera). I ricercatori hanno aggiunto un "stabilizzatore" nel loro codice che allineava perfettamente le registrazioni, risolvendo il problema del tremolio e rendendo l'attacco ancora più preciso.

Il Punto Debole (Cosa Dice Veramente il Documento)

È importante sapere cosa questo documento non dice:

Nessun Drone Reale: Non hanno costruito o fatto volare droni fisici. Tutto è avvenuto all'interno di una simulazione al computer.
Nessun Hardware Reale: Non hanno ancora costruito le antenne speciali o il drone "cervello".
Il Prossimo Passo: I ricercatori affermano che il passo successivo è effettivamente costruire il prototipo e farlo volare per vedere se il mondo reale si comporta come il loro modello informatico.

La Conclusione

TriSweep è una simulazione di "prova di concetto". Dimostra che se hai quattro droni che lavorano insieme come un team, potresti essere in grado di rubare codici segreti a distanza ascoltando i "sussurri" elettromagnetici di un chip informatico. Suggerisce che nascondere un dispositivo dietro una porta chiusa a chiave potrebbe non essere sufficiente se un drone può sorvolare nelle vicinanze e ascoltare.

Sintesi Tecnica: TriSweep – Un Framework per Sciame di Quattro Droni per l'Analisi di Canali Laterali Elettromagnetici

Enunciato del Problema
L'analisi di canali laterali elettromagnetici (EM SCA) si basa tradizionalmente su un modello di minaccia in cui un avversario posiziona una sonda a distanze di millimetri o centimetri dal dispositivo target. Questa assunzione rende efficaci le misure di sicurezza fisica, come pannelli e custodie bloccate. Tuttavia, la proliferazione di veicoli aerei senza pilota (UAV) commerciali fuori scaffale (COTS) e hardware a basso costo di radio definita via software (SDR) mette in discussione questo modello. Un avversario capace di far sorvolare un drone a distanze di sicurezza di 0,25–1,5 metri può aggirare la sicurezza fisica basata sulla prossimità senza accesso diretto. Inoltre, le moderne implementazioni incorporate spesso adottano schemi di mascheramento del primo ordine per randomizzare i valori intermedi, richiedendo un'analisi del secondo ordine per recuperare le chiavi. Gli attacchi tradizionali del secondo ordine devono separare algoritmicamente gli eventi di perdita (ad esempio, il caricamento della maschera e il calcolo mascherato) da una singola traccia, un processo sensibile al jitter temporale e al rumore. Il documento ipotizza che uno sciame di droni multipli potrebbe separare spazialmente questi eventi di perdita, annullando fisicamente la maschera senza pre-elaborazione algoritmica.

Metodologia
TriSweep è un framework di simulazione progettato per valutare un'architettura a sciame di quattro droni per l'EM SCA autonomo a distanza di sicurezza. Il sistema non utilizza hardware fabbricato; invece, combina dataset EM ASCAD reali e pubblicamente disponibili (ATmega8515 AES-128 mascherato) con un modello di rumore basato sulla fisica per la perdita di percorso in spazio libero.

Il framework è composto da quattro ruoli distinti per i droni:

Drone A (Ancora): Sorvola a una distanza di riferimento ( $D_{ref} = 0,25$ m) per fornire un riferimento di clock e la raccolta dell'EM a spettro completo.
Drone B (Sonda Maschera): Specializzato nel catturare la finestra di perdita relativa al caricamento del registro della maschera.
Drone C (Sonda Crittografia): Specializzato nel catturare la finestra di perdita relativa all'output mascherato di SubBytes.
Drone D (Accumulatore): Un'unità stazionaria che riceve le tracce IQ sincronizzate dagli altri tre droni.

La pipeline di attacco si basa su sette algoritmi:

Comunicazione e Targeting: Un protocollo heartbeat a 50 Hz coordina i trigger di acquisizione e la localizzazione del target tramite la Differenza Temporale di Arrivo (TDOA).
Riposizionamento dello Sciame: I droni B e C si riposizionano autonomamente ogni 200 ms per massimizzare l'informazione di Fisher distribuita.
Sincronizzazione dell'Orologio: Un protocollo a due stadi (allineamento grossolano GPSDO seguito da cross-correlazione di una tonalità pilota a 1 kHz) raggiunge un jitter inter-droni inferiore a 10 ns, abilitando la combinazione coerente.
Combinazione Coerente: Il Drone D esegue la combinazione a rapporto massimo (MRC) delle tracce sincronizzate, ottenendo un guadagno teorico di SNR di 4,8 dB ( $10 \log_{10}(3)$ ).
Annullamento Fisico del Mascheramento del Secondo Ordine: Il Drone D calcola il prodotto centrato delle tracce dal Drone B e dal Drone C ( $X_{SO} = (T_B - \bar{T}_B) \cdot (T_C - \bar{T}_C)$ ). Questa separazione spaziale fisica permette alla maschera $r$ di annullarsi senza conoscenza del suo valore.
Accumulo del Ranking della Chiave: Il sistema aggrega i log-verosimiglianze dalle tracce del primo ordine, dal prodotto del secondo ordine e da una rete neurale convoluzionale (CNN) opzionale a due canali.

Contributi Chiave

Architettura a Quattro Droni: Un design innovativo che separa le fonti di perdita su droni collettori dedicati (Ancora, Sonda Maschera, Sonda Crittografia) e un Accumulatore centrale.
Annullamento Fisico del Mascheramento del Secondo Ordine: Il primo framework proposto per ottenere l'annullamento della maschera del secondo ordine tramite decomposizione spaziale e combinazione coerente, piuttosto che la separazione puramente algoritmica di una singola traccia.
Consenso e Sincronizzazione dello Sciame: Protocolli per la massimizzazione distribuita dell'informazione di Fisher e la sincronizzazione dell'orologio inferiore a 10 ns, adattati per piattaforme aeree.
Allineamento delle Tracce di Profilazione: Un metodo di allineamento tramite cross-correlazione che compensa le vibrazioni di hover del drone (simulate come jitter di 100 campioni), riducendo significativamente il ranking della chiave su dataset desincronizzati.
Framework di Simulazione: Un ambiente di simulazione validato che utilizza dataset ASCAD reali e modelli di rumore calibrati per prevedere le prestazioni di un sistema fisico prima della fabbricazione.

Risultati
Valutato contro tre dataset ASCAD reali (primario mascherato, desincronizzazione di 50 campioni e desincronizzazione di 100 campioni), la simulazione ha prodotto quanto segue:

Miglioramento del Ranking della Chiave: Sul dataset primario mascherato a 0,25 m, il sistema a quattro droni ha raggiunto un ranking di chiave simulato di 18 ± 1,7 (validazione a cinque semi), un miglioramento di dieci volte rispetto al ranking di base del singolo drone di 197.
Guadagno SNR: La combinazione coerente di tre collettori ha fornito un guadagno SNR di 4,8 dB, coerente con le previsioni teoriche.
Compensazione del Jitter: L'allineamento tramite cross-correlazione delle tracce di profilazione ha ridotto il ranking della chiave sul dataset con jitter di 100 campioni da 89 (singolo drone, non allineato) a 21.
Prestazioni CNN: Una CNN a due canali nell'Accumulatore ha convergito a una perdita di 0,454 (rispetto a un baseline casuale di 5,545) e ha migliorato i ranking sui dataset desincronizzati, sebbene abbia mostrato overfitting sui dati mascherati puliti rispetto al prodotto manuale del secondo ordine.
Sensibilità alla Distanza: Il sistema ha mantenuto un ranking di chiave di 20 a 0,25 m e di 25 a 1,5 m sul dataset primario, dimostrando che la combinazione del secondo ordine compensa la perdita di SNR a maggiori distanze di sicurezza.

Significato e Affermazioni
Il documento afferma che TriSweep stabilisce un "vettore di minaccia qualitativamente nuovo" combinando mobilità aerea, guadagno coerente multi-ricevitore e riposizionamento autonomo per sconfiggere implementazioni crittografiche mascherate a distanze di sicurezza. Il significato principale risiede nella decomposizione spaziale fisica degli eventi di perdita, che permette l'annullamento della maschera senza pre-elaborazione algoritmica o conoscenza del valore della maschera.

Gli autori dichiarano esplicitamente che nessun hardware fisico è stato fabbricato; tutti i risultati sono derivati da simulazioni utilizzando dataset reali e un modello di rumore. Di conseguenza, il documento posiziona TriSweep come una specifica di progettazione e uno strumento di previsione quantitativa. Gli autori riconoscono che il dispiegamento fisico affronta sfide non modellate, come l'interferenza elettromagnetica (EMI) delle eliche e il rumore di fase indotto dalle vibrazioni, che potrebbero degradare l'SNR simulato. Il passo immediato successivo identificato è la costruzione e il volo di un prototipo fisico per validare le previsioni del framework e quantificare il divario tra simulazione e realtà.