当前位置：首页 > news >正文

用Arduino复现经典侧信道攻击：通过电流波形窃取AES密钥实战演示

news 2026/3/26 20:24:28

用Arduino复现经典侧信道攻击：通过电流波形窃取AES密钥实战演示

在物联网设备普及的今天，硬件安全已成为开发者不可忽视的重要领域。侧信道攻击（Side-Channel Attack, SCA）作为一种非侵入式的硬件攻击手段，能够通过分析设备的功耗、电磁辐射等物理特性，间接获取加密算法中的敏感信息。本文将带领读者使用Arduino开发板和基础电子设备，低成本复现这一经典攻击手法，深入理解硬件安全的底层原理。

1. 侧信道攻击基础与实验准备

侧信道攻击之所以有效，是因为任何加密算法的硬件实现都会产生可观测的物理效应。当电流流经晶体管时，不同的逻辑操作会导致微小的功耗差异。这些差异虽然微小，但通过精密的仪器测量和统计分析，攻击者可以推断出处理器正在执行的指令和数据。

实验所需材料清单：

Arduino Uno开发板（作为攻击目标）
10Ω精密采样电阻
数字示波器（最低50MHz带宽）
面包板及连接线
Python数据分析环境（Jupyter Notebook）

提示：采样电阻的精度直接影响电流波形质量，建议使用1%精度的金属膜电阻。

实验搭建的核心是在Arduino的电源回路中串联采样电阻，通过测量电阻两端的电压降来间接获取电流波形。图1展示了典型的接线方式：

Vcc ----[10Ω]---- Arduino Vin | 示波器探头

2. AES算法与功耗特征分析

我们选择AES-128算法作为攻击目标，因为其硬件实现具有明显的功耗特征。AES的SubBytes操作（字节替换）尤其会产生独特的功耗模式，这与查找表（S-Box）的访问直接相关。

AES轮操作的关键阶段：

AddRoundKey：密钥与状态矩阵异或
SubBytes：字节替换（S-Box查找）
ShiftRows：行移位
MixColumns：列混淆

其中SubBytes操作对每个字节进行独立替换，会产生256种可能的功耗模式。通过采集足够多的加密操作波形，我们可以建立功耗与密钥字节的对应关系。

表1展示了不同操作阶段的典型功耗特征：

操作阶段	功耗特征	数据相关性
AddRoundKey	均匀分布	中等
SubBytes	明显峰值	强
ShiftRows	几乎不变	弱
MixColumns	复杂波动	中等

3. 电流波形采集与处理

使用以下Arduino代码实现AES加密，并触发示波器采集：

#include <AES.h> AES aes; void setup() { Serial.begin(9600); pinMode(13, OUTPUT); // 示波器触发信号 } void loop() { byte key[16] = { /* 密钥 */ }; byte plaintext[16] = { /* 明文 */ }; digitalWrite(13, HIGH); // 开始触发 aes.encrypt(key, plaintext); digitalWrite(13, LOW); // 结束触发 delay(1000); // 每次加密间隔 }

波形采集要点：

设置示波器采样率为1GS/s
使用上升沿触发，触发电平3.3V
每次采集包含完整的加密周期（约100μs）
保存为CSV格式供后续分析

图2展示了一个典型的电流波形，其中明显可见10个AES轮操作的重复模式，SubBytes阶段产生的尖峰尤为突出。

4. 密钥提取算法实现

采用差分功耗分析（DPA）方法，通过统计不同密钥假设下的功耗差异来推断真实密钥。以下是Python处理的核心步骤：

import numpy as np from scipy.stats import pearsonr def dpa_attack(traces, plaintexts): key_guess = np.zeros(16, dtype=np.uint8) for byte_pos in range(16): max_corr = 0 for kg in range(256): # 遍历所有可能的密钥字节 hws = [] # 汉明重量假设 for pt in plaintexts: sbox_out = aes_sbox[pt[byte_pos] ^ kg] hws.append(bin(sbox_out).count('1')) # 计算相关系数 corr = np.abs(pearsonr(hws, traces[:,byte_pos])[0]) if corr > max_corr: max_corr = corr key_guess[byte_pos] = kg return key_guess

算法优化技巧：

使用汉明重量模型（Hamming Weight）替代简单比特模型
对波形进行对齐预处理，消除时间抖动影响
采用Pearson相关系数替代原始差分方法
实现多字节并行计算加速处理

5. 实验优化与误差分析

在实际操作中，会遇到各种影响攻击成功率的因素。通过以下措施可以显著提高密钥恢复的准确率：

常见问题与解决方案：

问题现象	可能原因	解决方案
波形抖动大	电源噪声	增加LC滤波电路
特征不明显	采样率不足	提高至2GS/s以上
相关性低	密钥假设模型不准	改用汉明距离模型
误匹配多	数据量不足	采集5000条以上波形