尧图建网站 尧图建网站 YAOTU WEB BUILD 免费咨询
ARTICLE DETAIL

资讯详情

深耕网站建设与建站编程的一线实战洞察。

论文复现过程记录——RSA侧信道攻击

论文复现过程记录——RSA侧信道攻击 科研纯小白打过十几场数模版接到一个考核——复现论文。于是决定记录一下这一路的心路历程增加一下经验。Step1我拿到的东西只有一个主页和一个温柔的话GitHub - pilipili520/SPA-GPT: Traces for SPA-GPT · GitHub我一开始看到只有Github主页没有论文人是懵的。而进入GithubReadme全英文。果断丢给gpt。我目前还用不惯Codex不喜欢思考太久没有反馈打算到必须操作文件和代码的时候再来。好完整地读完了这一段话发现看不懂。Step2下载论文和数据集比较傻瓜式的方法但是实际上正常人对github主页应该能有一个判断那个表格有可能是一个数据集但是为了严谨和不遗漏就丢给gpt。最终得到了论文和数据集4GB多。Step3建立工作环境这一步其实是通用的但是说实话有一段时间没用过pycharm了有点忘记咋搞了。我的操作是先把一个py文件copy到项目预期位置然后“设置”——项目名称“26.8论文复现”——“python解释器”——配好路径路径不对就查看你确定能运行过的项目查查它的路径。Step4理解问题我们要做什么提示词import h5py file_name 5-F429_RSA.h5 with h5py.File(file_name, r) as f: print(文件中的内容) def show(name, obj): print(name) f.visititems(show)get到新知识点.h5文件其实之前是见过的但是不会用。import h5py import numpy as np file_name 5-F429_RSA.h5 with h5py.File(file_name, r) as f: original np.array(f[traces/F429_RSA_original]) paper np.array(f[traces/F429_RSA_for_paper]) print(original shape:, original.shape) print(paper shape:, paper.shape) print(original 前10个值, original.flatten()[:10]) print(paper 前10个值, paper.flatten()[:10])RSA和ECC为什么会有功耗轨迹现在对这个的问题的认知就越来越清晰了。一直到这里我就联系到了数字逻辑的知识也大概明白了这个学习政策是想要干什么。import h5py import numpy as np import matplotlib.pyplot as plt with h5py.File(5-F429_RSA.h5, r) as f: trace np.array( f[traces/F429_RSA_for_paper] ).flatten() print(总采样点数, len(trace)) # 整条功耗轨迹 plt.figure(figsize(15, 5)) plt.plot(trace) plt.xlabel(Sample) plt.ylabel(Amplitude) plt.title(F429 RSA Power Trace) plt.show()为什么要强化学习在这里其实我是S操作M操作和强化学习一起问的所以gpt也是同时回答的强化学习这个就没什么认知上的问题了但是我还是不理解S和M是什么。什么是S操作和M操作居然是模幂运算的思想这些点就给串起来了。论文题目的内涵这是GPT解释的时候的附赠品我没主动问他。所以我就加了一个问题让他详细解释一遍。为什么是6个数据集分别有什么用整个问题就基本理解完了。然后我发出狂言Step5给我生成完整代码现在出现插曲了我的工作是上午做的现在是第一天下午然后整个AI突然就不记得做过什么降智了。于是我又重新扔给他之前做的东西和代码结果这个时候有一份复现记录的含金量就上来了。然而还是存在问题网页版CodexCodex经典的写一串工程代码然后不是真实的可运行的版本。在这里一筹莫展于是摆烂了一天看原神7.0剧情。。。我终于想学了开始折腾你看看现在的AI一直在一个口说无凭的阶段现在的提示词是这样的。然后搞定了。。。{coverage: 1.0,segments: 1535,target_operation_count: 1535,segment_count_error: 0,length_mean: 272.3596,binary_length: 1535,operation_labels: {S_as_1: {accuracy: 0.5876},M_as_1: {accuracy: 0.4123}}}也就只有数据可以说是瞎蒙的其他结论和可行性确实还不错。Step6调优结果到这里基本上就不是我能参和的了随Codex的缘吧。Step7优雅道歉其实保个研最重要的能力还是扯淡吧表达自己菜但不完全菜就好了。中间的一些结果就不放了。再见我再也不想受考核的折磨了。
返回列表