一、浅谈电磁信息泄漏（论文文献综述）
吴晨曦[1]（2021）在《基于机器学习方法的嵌入式设备旁路攻击研究》文中进行了进一步梳理电磁泄漏信号是电子系统正常运行期间,由内部电流的变化所产生的电磁辐射信号。在正常情况下,电阻、电源、计算芯片等电子元件都会产生电磁辐射并引起电磁泄漏。本文针对嵌入式设备产生的电磁泄漏信号进行分类识别,对于嵌入式设备的安全性评估有重要意义。本文主要有如下四个创新点:第一,搭建了基于单片机存储、SIMECK32/64进行加密过程的电磁泄漏信号自动采集平台和基于Jetson Nano的神经网络电磁泄漏信号的自动采集平台。并设计了对应的硬件组件和软件,使采集过程和数据筛选过程更加高效。第二,为了解决直接训练卷积神经网络梯度不下降的问题,结合汉明重模型理论,提出了一种新的卷积神经网络结构——简单任务网络（Easy Task Network）,并在此网络结构的基础上,利用采集的单片机存储过程中的电磁泄漏,在存储任务数据集上进行验证并达到了96.80%的准确率。第三,在不知道任何明文、密文及泄漏中间值信息的情况下使用全随机密钥,并用SIMECK32/64算法进行加密,进行电磁泄漏攻击。使用设计的神经网络结构并利用基于标签的迁移学习,达到了 96%的平均准确率。并且通过不同任务的电磁泄漏信号的数据集进行迁移学习,目标数据集提高了 6%的分类识别准确率,证明了不同任务的电磁泄漏信号之间的可迁移性。第四,针对Jetson设备神经网络结构进行基于电磁泄漏的旁路攻击。进行了两个维度的安全评估,一种是对同一框架TensorRT下7种不同的神经网络的泄漏信号进行分类;另一种是对TensorRT、Tensorflow、Pytorch三种框架下同一神经网络的电磁泄漏进行分类。本任务中通过不同策略设计并测试了如何将二维卷积神经网络转换为一维卷积神经网络的结构,通过实验验证了其可行性,证明了良好的网络转换策略能够提升5%～12%的分类识别准确率。
汪洋[2]（2021）在《基于FPGA分组密码算法的侧信道分析与研究》文中认为侧信道分析作为当前密码学的热门研究方向,利用密码芯片执行中产生的泄漏信息,通过建立合适的泄漏模型,破解加密设备中密钥信息。随着侧信道分析方法的迅速发展,对当今信息安全带来巨大的挑战。因此研究侧信道分析方法,保护密码芯片避免被入侵,意义重大。本文利用FPGA（Field Programmable Gate Array,场可编程逻辑门阵列）密码芯片平台,针对 AES（Advanced Encryption Standar,高级加密标准）和 DES（Data Encryption Standard,数据加密标准）两种流行的分组算法,对传统侧信道分析方法进行了实验,提出改进的算法,密码攻击效果达到进一步优化。本文的主要工作和创新点如下:（1）本文中利用FPGA开发板进行软硬件设计,搭建了全自动电磁采集平台。该平台功能完善,采集效率高,灵活度显着。另外,本文利用数字IC软件搭建了侧信道功耗仿真采集平台,该平台不需要大量的硬件设备,仅使用PC即可完成侧信道仿真数据的采集。（2）本文使用CPA（Correlation Power Analysis,相关性能量分析）和LRA（Linear Regression Analysis,线性回归分析）无监督侧信道分析方法进行侧信道分析。针对AES和DES加密算法建立了汉明距距离模型,利用分而治之的方法完成所有密钥的恢复。本文在CPA和LRA实验的基础上,提出了基于CPA和LRA的联合攻击方法。实验结果表明联合攻击的效果比单独使用CPA或LRA的方法效果更优。（3）本文利用时频特征组和SVM（Support Vector Machine,支持向量机）多分类方法,设计了有监督侧信道攻击方法并进行侧信道分析。针对AES和DES加密算法建立了汉明距比特模型,对分组密钥的最后一段子密钥进行了攻击。本文提出了基于时频域特征提取和动态滑动窗的时频特征组构造方法,再利用PCA数据降维方法进行降维后进行SVM多分类攻击。实验结果表明基于时频特征组的SVM多分类攻击效果优于TA或SVM多分类攻击。
陈晨[3]（2021）在《线缆串扰模型及耦合效应评估》文中研究表明随着5G移动通信技术的高速发展,近年来,国家电网公司正在全面建设能源互联网,加强智能电网以及配用电网的数字化、信息化战略布局,不断推进低压电网中的电力线通信技术,伴随而来的是电磁兼容问题。线缆与设备、线缆与线缆间等各种耦合干扰现象几乎随处可见,线缆间的串扰不仅会对传输信号造成干扰,而且可能会造成信息的泄漏,为了保证信息在通信过程中安全传输,研究线缆间的串扰耦合问题尤为重要。基于以上需求,论文主要研究工作如下:1.研究了 Π型布局线缆间的串扰。首先,基于多导体传输线方程建立了电力线通信信道模型和平行线缆束串扰耦合模型。将线缆串扰模型与电力线信道模型相结合来推导Π型布局线缆的串扰模型,采用实验测量的方法验证了发送模拟信号时Π型布局线缆的串扰模型,同时采用CST电磁仿真的方法验证了发送数字信号时Π型布局线缆的串扰模型,两种方法得到的耦合信号与模型计算结果基本一致,验证了所提模型的正确性。2.利用麻雀搜索算法（Sparrow Search Algorithm,SSA）优化支持向量回归（Support Vector Regression SVR）模型建立线缆间的串扰模型对串扰电压进行预测。利用支持向量回归模型优异的对非线性适应性问题的处理能力,建立了影响线缆串扰的各个因素与线缆串扰值之间的映射,从而对线缆串扰值进行预测。同时,分别利用SSA和网格搜索法对支持向量回归模型参数进行优化,寻找最优解。通过实验算例表明,在预测精度方面,通过对测试数据的平均绝对百分比误差（Mean Absolute Percentage Error MAPE）和均方误差（Mean Square Error MSE）进行计算,采用常用的网格搜索法优化支持向量回归建立的串扰预测模型的MAPE=0.4438,MSE=0.0136,相关系数为88%,基于麻雀搜索算法优化支持向量回归模型建立的线缆串扰预测模型的MAPE=0.1287,MSE=0.0013,对数据的拟合度高达99%,与网格搜索法优化支持向量回归预测模型进行对比,基于麻雀算法优化支持向量回归模型具有更高的精度和更好的拟合度,能够精确的预测线缆间的串扰电压。3.评估了线缆上传输载波信号时的耦合效应。开发了计算线缆串扰值的软件系统,通过可视化的前端界面,使任何用户都可以通过在系统界面输入影响串扰系统的各个参数从而方便、高效的获取线缆间的串扰情况,降低了用户的学习成本;计算了由于线间串扰造成的相邻线缆上的串扰信号与原始发送信号在高斯信道下随信噪比变化时串扰线上的误比特率,根据误比特率的大小评估线缆间的耦合情况及安全性;计算了不同线缆间距下线缆串扰的S21参数,分析了线缆间距对线间耦合的影响;设计了线缆耦合传输实验,采用实验测量和仿真的方法分析了信号频率、信号波形、线缆长度等因素对线缆间时域串扰信号的影响,从时域角度直观地分析了线缆间的耦合信号的变化规律,归纳总结了有利于信息安全传输的电力线布局方案,并提出建议。
杨旭康[4]（2021）在《基于1D-CNN和SVDD算法的调门油动机状态监测及故障预警诊断系统研究》文中提出汽轮机是火电厂和核电厂极其重要的大型动力机械装备。在汽轮机调节控制系统中,调门油动机作为传动放大机构给调门及与调门连接的装置提供动力源,在保证汽轮机组稳定运行方面发挥着重要作用。但是,调门油动机复杂的功能结构和多变的故障形式导致其很难通过传统的检修技术进行诊断与预报,从而为汽轮机运行留下了安全隐患。因此,结合人工智能及物联网等新一代信息技术,将设备状态监测与故障信息预报诊断技术应用到调门油动机中,对提高调门油动机运行的可靠性,实现调门油动机的智能化转型具有重要意义。本课题针对单台调门油动机及关键液压元件进行状态监测与故障预警诊断研究,主要完成了以下几个方面的工作:1)总结了调门油动机常见的故障现象,分析并归纳了各种故障的机理和特点,并据此将其划分为系统级、部件级和元件级三种类型。同时,根据调门油动机状态监测需求及故障预警诊断目标,优化了调门油动机传感器网络,并通过选购合适的信号调理及数据采集硬软件,搭建了一套可同时实现调门油动机状态数据和DEH系统相关电信号的高、低速采集的数据采集系统。2)基于Lab VIEW编写了调门油动机控制程序,实现了在不同工况下对调门油动机的位移闭环控制。同时,采用模块化设计思想,将系统功能进行划分,基于Web Access SCADA组态软件实现了调门油动机状态监测功能、移动端浏览功能及数据上云扩展升级接口开发。3)人为对调门油动机注入10种元件级故障,并基于SVDD算法实现了调门油动机整体的故障趋势预报及油动机内泄漏故障严重程度的定量评价。同时,将小波包理论与能谱熵、振动烈度状态评价指标相结合,实现了C0节流孔堵塞和电磁阀内泄漏的劣化趋势分析。4)针对系统级和部件级的故障类型,采用专家系统方法对其进行逻辑诊断,并通过模拟故障信号的方式验证了专家系统的可靠性。同时,采用1D-CNN与SVDD、能谱熵相结合的诊断策略,实现了调门油动机10种缓变故障类型的分类。
裴林聪[5]（2021）在《基于深度学习的LCD电磁信息泄漏识别方法研究》文中研究表明随着信息社会的不断发展,信息技术成为当今社会至关重要的一项技术,其中在电磁领域的信息泄漏问题也成为日益关注的对象,因电磁信息的泄漏和敏感信息被截获给国家信息安全带来的威胁也逐渐增加,电磁信息安全的需求也面临紧迫态势,计算机显示器电磁信息泄漏成为信息安全的一项重要技术支撑。本文对计算机电磁信息泄漏研究现状进行分析,以计算机显示设备泄漏电磁信号为切入点,将电磁信息泄漏特征识别技术,深度学习技术和虚拟仪器电磁监测识别系统结合在一起,区别于传统基于经验的人工特征提取模式,利用人工智能深度学习算法,提出了一种基于卷积神经网络的识别方法,建立了一套应用于复杂电磁环境的监测识别系统。本文主要研究内容及创新性概括如下:首先从电磁信息泄漏的信号角度针对计算机显示系统的组成结构工作原理进行分析,对计算机显示系统的液晶显示器、以及视频传输线做详细分析对视频电磁泄漏途径进行研究,对信息泄漏进行初步定位,设计数据采集方案,收集电磁信息泄漏源数据。其次针对采集到电磁信号,提出一种通过时频图像表征电磁泄漏信号,设计通过短时傅里叶变换预处理将一维信号转换为二维时频图像作为网络输入。进一步结合深度学习卷积神经网络算法与电磁信号特征识别的方法,经过研究探索搭建卷积神经网络结构,用于电磁信息泄漏识别,来达到较好的特征识别效果,获取具象化的特征信号,建立特征识别模型。最后基于虚拟仪器平台Lab VIEW的软件界面设计方案,实现控制接收硬件系统传输数据,调换仪器参数,实时时频谱图,识别电磁信息泄漏信号,建立监测识别系统,达到对电磁信息泄漏的监测识别效果。
康妮[6]（2021）在《基于奇异谱分析的视频电磁泄漏信号处理方法研究》文中认为本论文着眼于TEMPEST技术中有用信息的接收和重建技术,对计算机视频信息泄漏进行研究和分析。通过对截获视频电磁泄漏信号的频谱特征分析,针对截获视频电磁泄漏信号含噪大的问题,应用奇异谱分析方法对含噪视频电磁泄漏信号进行降噪处理。实现用截获的视频泄漏信号进行图像还原,验证奇异谱分析方法应用于视频电磁泄漏信号降噪的有效性。针对计算机视频电磁泄漏信号问题设计了一种基于Lab View的数据采集与处理系统。该系统可以在现有设备上实现对多个频段数据的采集,并将奇异谱分析算法集成到系统中,通过调用python接口实现应用奇异谱分析对采集到的视频电磁信号进行降噪处理。将图像还原功能集成在系统中,实现视频图像还原的实时对比。通过实验,将奇异谱分析方法应用于视频电磁泄漏信号去噪不仅对噪声去除的比较干净,并且能很好的保留原先的视频电磁信号的一些细节和特征,信噪比提高明显。本文针对计算机视频电磁泄漏信号的采集、处理和图像还原过程设计了基于SSA的视频电磁泄漏信号处理系统,并对实验过程中存在的一些问题进行了分析研究,提出了相应的解决方法:1、对于信号的采集问题,本文设计了一个基于Lab View的电磁信号采集、处理系统。设计电磁泄漏数据的接口,将数据及波形图的采集和保存、重要参数输入以及奇异谱分析处理等功能在测试系统中集成。2、针对可用于视频图像还原的电磁泄漏信号数量庞大,运算时间长的问题,本文设计了一种将数据拆分,分组计算后重组的方法,实现了在5000000个数据点样本下对实测数据的处理。3、提出视频图像信息还原方案,因为数据抽样时钟和像素时钟为异步时钟,且无法同频,因此还原图像出现了倾斜失真的现象。针对此现象,本文采用数据微调法对经奇异谱分析处理后信号的还原图像进行倾斜校正。
关天敏,韩振中,茅剑[7]（2021）在《显示器电磁信息泄漏的机器学习检测方法研究》文中指出根据电磁学原理,在操作电子信息设备的过程中会产生无意的电磁辐射。电磁辐射会引发信息泄漏,给信息安全造成严重威胁。面向计算机显示器的电磁信息安全问题,提出基于机器学习的电磁信息泄漏检测方法。针对电磁泄漏信号的特点,设计了MGCNN卷积神经网络。利用其独特的卷积和池化处理能力,提取显示器电磁频谱信号中图像信息的多层次特征,克服了传统检测方法需要事前明确电磁信息特征和缺乏自适应能力的缺陷,从而有效地解决电磁信号中的信息泄漏检测问题。通过实测对比,证明了MGCNN对于显示器的电磁信息泄漏检测的有效性。
孙德刚[8]（2021）在《传导泄漏发射机理及检测技术研究》文中提出电磁泄漏发射是信息安全领域破坏信息保密性的一种重要风险,而传导泄漏发射是电磁泄漏发射研究领域中的一个关键问题。相对于自由空间辐射的泄漏发射,对传导泄漏发射的机理和传播规律的认识还存在不足。随着高速器件的快速发展,信息技术设备的数字信号频率越来越高,泄漏发射的频率范围也越来越宽,测试设备的发展远远不能适应评估泄漏发射风险的需要,已有的电磁兼容测试方法和手段还不能有效测试评估传导泄漏发射风险,特别是测量接收机的中频带宽难以满足测试要求,泄漏发射测试中的红黑信号识别也迫切需要提出新的测试方法,解决传导泄漏发射可测性问题,确定泄漏发射的风险。本文根据信息安全对电磁泄漏发射风险评测的实际需求,借鉴电磁兼容传导干扰领域的研究成果,针对传导电磁泄漏发射涉及的辐射和耦合两类基本问题,研究分析信息技术设备数字信号的泄漏发射原理、传导泄漏发射风险和泄漏发射带宽选择与红黑信号识别等测试关键技术,希望从机制和模型角度洞察传导电磁泄漏发射的物理性质,利用现有检测手段,通过软件方法弥补硬件的不足,为系统解决泄漏发射风险可测性问题提供有效路径。本文主要从传导泄漏发射机理、泄漏发射测试带宽和红黑信号识别三个方面开展研究工作,主要研究内容和贡献包括以下几个方面:1.本文研究分析了准静态近似、线天线辐射、传输线理论以及增强传输线理论等物理模型,从传输线自身辐射和耦合到其它传输线两个方面给出了数字信号传导泄漏发射机理,提出了适合传输线电尺寸的传导泄漏发射的模型和分析方法。利用传输线结构的电尺寸选择分析模型,可以有效降低计算的复杂性,提高效率。对比分析了传输线共模与差模电流产生辐射的差异,给出共模和差模电流在传输线均匀性发生变化时引发辐射的原理分析。利用电磁场互易原理,研究分析了传输线辐射和耦合问题的转换计算方法,使得对传导泄漏发射原理的研究能够充分借鉴电磁兼容领域有关电磁干扰的研究成果。2.基于改进的传输线理论,对数字信号泄漏发射的时域和频域进行了仿真,验证了传导泄漏发射机理的研究结果。在时域上,结合传输线理论和高频传输线理论对简单传输线系统和广义多导体传输线系统耦合进行仿真,验证了对传输线辐射和耦合原理研究的结果。在频域上,给出传导泄漏发射频域衰减规律,对比分析了数字信号及其泄漏发射频谱包络衰减规律的差异,纠正了之前相关研究将数字信号谱作为辐射信号谱的错误认识,指出该错误认识将导致对泄漏发射频率范围做出乐观估计。3.针对泄漏发射测试难题,基于辐射脉冲理论分析了接收机带宽对接收数字泄漏发射信号的影响,提出了信噪比等效原理和窄带宽信噪比补偿方法,可实现利用窄带宽测量接收机测量宽带信号的最大信噪比,获得泄漏发射信噪比的近似结果。根据辐射和传导泄漏发射特征,提出数字信号“发射脉冲对”概念,研究分析并仿真验证了脉冲带宽、接收机分辨率带宽对泄漏发射脉冲对接收结果的影响,比较了方波与发射脉冲对最大信噪比输出不同,给出测试泄漏发射信噪比的上下界范围和窄带宽信噪比补偿方法,为解决宽带泄漏发射检测提供了理论基础和实现方法。4.针对检测中多个红黑信号混合的泄漏发射检测难题,提出了红黑信号识别的一般方法和逻辑架构,为系统解决红黑信号识别问题提供了可行方案。在红黑信号识别方法的逻辑架构中,引入独立分量分析（ICA-Independent Component Analysis）和稀疏分量分析（SCA-Sparse Component Analysis）理论,通过对接收信号的白化处理和正交变换实现混合信号的独立分量分解和稀疏分量分解,针对不同情况,提出频谱特征判别、相关判别、统计独立性判别和稀疏表示判别四种红黑信号识别算法,解决红黑信号识别问题。
茅剑,刘泰康,刘培国[9]（2021）在《一种基于深度学习的电磁信息泄漏检测方法》文中提出电子信息设备工作时无意发射的电磁波中包含有用信息,会导致电磁信息泄漏,从而威胁设备的信息安全。现有的电磁信息泄漏检测方法,在复杂现场环境下,难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题,开展了电磁信息泄漏检测研究,提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络,并结合改进的梯度加权类激活映射方法,在未知电磁信息泄漏特征的前提下,通过深度学习实现电磁信息泄漏特征的智能标定和自动提取,从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验,验证了所提方法的有效性。
曹雨晨,周永彬[10]（2020）在《多源融合信息泄漏检测方法》文中研究表明密码设备的侧信息泄漏检测是侧信道分析中的重要技术环节,旨在客观地评估密码设备的物理安全性。不同类型的侧信息在密码设备运行过程中同时存在,仅仅从单源侧信息的视角进行信息泄漏检测难以全面反映密码设备的真实泄漏威胁情况。因此,发展基于多源侧信息的融合信息泄漏检测方法,建立综合利用多源侧信息的泄漏检测方法体系,以期实现对密码设备物理安全性更全面、更客观地评估,是一种现实技术需求。本文基于如何融合利用多个信道的侧信息提出了3种多源融合信息泄漏检测方案:多源简单融合信息泄漏检测、多源时频融合信息泄漏检测以及基于多元T检验的多源信息泄漏检测。其中,多源简单融合信息泄漏检测在时域上组合利用多个信道的侧信息;多源时频融合信息泄漏检测综合利用了多个信道侧信息的时域信息及频域信息;基于多元T检验的多源信息泄漏检测基于多元假设检验方案构造。对比单源的信息泄漏检测方案,模拟实验和真实实验结果表明本文提出的多源融合信息泄漏检测方案可以降低检测出泄漏所需的侧信息数量,提高泄漏检测的效率。
二、浅谈电磁信息泄漏（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、浅谈电磁信息泄漏（论文提纲范文）
（1）基于机器学习方法的嵌入式设备旁路攻击研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 旁路攻击中电磁泄漏攻击的发展现状 |
| 1.3 主要创新点 |
| 1.4 论文主要内容及安排 |
| 第二章 电磁泄漏信号采集平台 |
| 2.1 单片机电磁泄漏采集平台 |
| 2.1.1 单片机硬件及对应程序 |
| 2.1.2 示波器及放大器采集参数配置,近场探头情况 |
| 2.1.3 计算机程序python及STC串口程序 |
| 2.1.4 存储过程电磁泄漏信号的采集过程及数据异常处理 |
| 2.1.5 SIMECK32/64采集过程 |
| 2.2 Jetson电磁泄漏信号采集平台 |
| 2.2.1 Jetson Nano介绍 |
| 2.2.2 Jetson Nano所运行的神经网络介绍及采集代码逻辑 |
| 2.2.3 Jetson Nano采集中所运行的程序介绍 |
| 2.2.4 Jetson Nano采集信号过程概述 |
| 2.3 旁路信号测试平台 |
| 2.3.1 云计算概述 |
| 2.3.2 客户端-服务器模型 |
| 2.3.3 Flask框架概述 |
| 2.3.4 旁路信号测试平台搭建 |
| 2.4 本章小结 |
| 第三章 密码芯片存储过程的电磁泄露安全研究 |
| 3.1 引言 |
| 3.2 单片机存储过程的电磁泄漏 |
| 3.3 机器学习方法 |
| 3.3.1 集成学习方法 |
| 3.3.2 随机森林 |
| 3.3.3 梯度提升树 |
| 3.3.4 支持向量机 |
| 3.3.5 主成分分析 |
| 3.4 机器学习方法的存储信号攻击实验 |
| 3.4.1 模型配置与训练 |
| 3.4.2 随机森林实验结果 |
| 3.4.3 GBDT实验结果 |
| 3.4.4 SVM实验结果 |
| 3.4.5 三种实验对比结果 |
| 3.5 深度学习基础 |
| 3.5.1 前馈神经网络 |
| 3.5.2 卷积神经网络 |
| 3.5.3 卷积神经网络的常见组件 |
| 3.5.4 简单任务网络 |
| 3.5.5 简单任务网络United Lossd的λ值分析 |
| 3.5.6 简单任务网络有效性分析 |
| 3.5.7 简单任务网络与其他方法的比较实验 |
| 3.6 本章小结 |
| 第四章 全随机密钥SIMECK32/64电磁泄漏攻击 |
| 4.1 SIMECK原理及加密的电磁泄漏 |
| 4.2 全随机的采集及训练方法 |
| 4.3 迁移学习 |
| 4.4 数据加载器DataLoader模块 |
| 4.5 双路空洞卷积神经网络 |
| 4.5.1 空洞卷积 |
| 4.5.2 双路残差卷积结构 |
| 4.6 数据集大小对SIMECK32/64旁路攻击的影响 |
| 4.7 空洞卷积对SIMECK32/64旁路攻击的影响 |
| 4.8 利用标签的迁移学习以及全随机方式的训练结果 |
| 4.9 不同电磁泄漏数据集间的迁移学习 |
| 4.10 本章小结 |
| 第五章 Jetson Nano神经网络物理电磁泄漏安全研究 |
| 5.1 Jetson神经网络原理及电磁泄漏 |
| 5.2 Jetson Nano简介 |
| 5.3 实验数据说明 |
| 5.4 针对神经网络电磁泄漏的卷积神经网络设计 |
| 5.4.1 全连接神经网络超参数选择结果 |
| 5.4.2 标准二维卷积网络变换一维卷积网络 |
| 5.4.3 LeNet实验结果 |
| 5.4.4 AlexNet实验结果 |
| 5.4.5 VGG16实验结果 |
| 5.5 最终一维卷积网络结构 |
| 5.5.1 最终网络结构在任务二的验证实验 |
| 5.6 本章小结 |
| 第六章 总结和展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
（2）基于FPGA分组密码算法的侧信道分析与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究状况 |
| 1.3 主要创新点 |
| 1.4 论文主要内容及安排 |
| 第二章 侧信道泄漏原理和分组密码算法 |
| 2.1 侧信道泄漏原理 |
| 2.1.1 功耗泄漏原理 |
| 2.1.2 电磁泄漏原理 |
| 2.2 分组密码算法设计 |
| 2.2.1 AES加密算法 |
| 2.2.2 DES加密算法 |
| 2.3 本章小结 |
| 第三章 侧信道硬件平台和仿真平台搭建 |
| 3.1 FPGA加密算法的Verilog设计与实现 |
| 3.1.1 FPGA加密算法的Verilog设计 |
| 3.1.2 FPGA加密算法的Verilog实现 |
| 3.2 数据采集平台搭建及其自动化 |
| 3.2.1 FPGA电磁采集平台 |
| 3.2.2 数字IC功耗仿真平台 |
| 3.3 本章小结 |
| 第四章 无监督的侧信道分析方法 |
| 4.1 基于CPA的攻击方法 |
| 4.1.1 基于汉明距的相关系数方法分析 |
| 4.1.2 CPA侧信道分析实验 |
| 4.2 基于LRA的攻击方法 |
| 4.2.1 多字节线性回归方法分析 |
| 4.2.2 LRA实验与分析 |
| 4.3 基于CPA和LRA的联合攻击方法 |
| 4.3.1 CPA和LRA的局限性 |
| 4.3.2 CPA和LRA联合攻击实验与分析 |
| 4.4 本章小结 |
| 第五章 有监督的侧信道分析方法 |
| 5.1 模板攻击与支持向量机 |
| 5.1.1 经典模板攻击 |
| 5.1.2 支持向量机 |
| 5.2 数据降维与特征提取 |
| 5.2.1 PCA数据降维 |
| 5.2.2 时频域信号特征提取 |
| 5.3 实验与数据分析 |
| 5.3.1 模板攻击实验 |
| 5.3.2 SVM多分类实验 |
| 5.3.3 实验数据分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
（3）线缆串扰模型及耦合效应评估（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 电力线通信研究现状 |
| 1.2.2 线缆串扰研究现状 |
| 1.3 研究内容和创新点 |
| 1.4 论文结构安排 |
| 第二章 多导体传输线模型及单位长度分布参数矩阵提取 |
| 2.1 传输线理论基础 |
| 2.2 多导体传输线方程 |
| 2.3 单位长度分布参数矩阵的求解 |
| 2.3.1 解析法计算线缆束的电感矩阵 |
| 2.3.2 均匀介质传输线的电容矩阵求解 |
| 2.3.3 非均匀介质传输线的电容矩阵求解 |
| 2.4 Q3D矩量法提取线缆束的寄生参数 |
| 2.5 单位长度分布参数矩阵算例及结果分析 |
| 2.6 本章小结 |
| 第三章 电力线信道模型和线缆束串扰模型的建立 |
| 3.1 信道建模技术 |
| 3.1.1 基于信道测量的多径信道模型 |
| 3.1.2 基于传输线理论的二端口网络模型 |
| 3.2 线缆串扰原理分析 |
| 3.3 平行线缆串扰模型的建立 |
| 3.3.1 模量转换计算 |
| 3.3.2 线缆束分布参数的计算 |
| 3.4 线缆串扰仿真方法 |
| 3.5. 串扰模型实验验证 |
| 3.6 Π型布局线缆的串扰模型 |
| 3.6.1 实验验证 |
| 3.7 本章小结 |
| 第四章 基于麻雀搜索算法优化支持向量回归的串扰预测 |
| 4.1 支持向量回归算法 |
| 4.1.1 支持向量回归数学模型 |
| 4.2 麻雀搜索算法 |
| 4.3 基于SSA-SVR算法的串扰模型的建立 |
| 4.3.1 串扰模型输入输出参数确定 |
| 4.3.2 网格搜索法寻优结果分析 |
| 4.3.3 SSA算法寻优结果分析 |
| 4.4 本章小结 |
| 第五章 线缆耦合效应评估 |
| 5.1 线缆串扰计算系统开发 |
| 5.1.1 系统设计 |
| 5.1.2 数据管理 |
| 5.1.3 可视化前端开发和结果展示 |
| 5.2 线缆串扰的误比特率 |
| 5.2.1 平行线缆串扰的误比特率 |
| 5.2.2 Π型布局线缆串扰的误比特率 |
| 5.3 时域串扰测量 |
| 5.3.1 普通双绞线绞合 |
| 5.3.2 短距离耦合后分离 |
| 5.4 线缆间距的串扰效应 |
| 5.5 降低电缆串扰方法 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（4）基于1D-CNN和SVDD算法的调门油动机状态监测及故障预警诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 调门油动机故障诊断研究现状 |
| 1.3 智能故障诊断研究现状 |
| 1.4 课题研究目标与内容安排 |
| 第2章 调门油动机状态监测与故障预警诊断系统方案设计 |
| 2.1 调门油动机 |
| 2.1.1 调门油动机结构组成 |
| 2.1.2 调门油动机工作原理 |
| 2.2 调门油动机故障分析 |
| 2.2.1 调门油动机常见故障 |
| 2.2.2 调门油动机故障规律 |
| 2.3 调门油动机故障预警诊断系统设计 |
| 2.3.1 调门油动机状态监测与故障预警诊断功能 |
| 2.3.2 调门油动机状态监测与故障预警诊断系统总体架构 |
| 2.4 本章小结 |
| 第3章 调门油动机状态监测功能实现 |
| 3.1 基于LabVIEW的调门油动机闭环控制系统开发 |
| 3.1.1 LabVIEW简介 |
| 3.1.2 基于LabVIEW的控制程序开发 |
| 3.1.3 PID闭环控制系统 |
| 3.1.4 LabVIEW控制系统设计与硬件选型 |
| 3.1.5 电控柜设计与安装 |
| 3.2 传感器网络搭建 |
| 3.2.1 油动机传感器布置优化 |
| 3.2.2 油动机传感器选型与安装 |
| 3.3 基于MCM的高速数据采集和特征提取 |
| 3.3.1 MCM高速数据采集系统设计与硬件选型 |
| 3.3.2 MCM配置 |
| 3.4 基于WebAccess SCADA的数据采集 |
| 3.4.1 WebAccess SCADA简介 |
| 3.4.2 WebAccess SCADA低速数据采集系统设计与硬件选型 |
| 3.4.3 WebAccess SCADA与硬件通讯配置 |
| 3.4.4 传感器信号标定 |
| 3.4.5 MCM与WebAccess SCADA通讯配置 |
| 3.4.6 MySQL数据库存储配置 |
| 3.5 基于WebAccess SCADA的状态监测与云端接口开发 |
| 3.5.1 系统功能组态设计 |
| 3.5.2 状态监测功能设计原则 |
| 3.5.3 状态监测界面展示 |
| 3.5.4 移动端监控系统 |
| 3.5.5 云端接口开发 |
| 3.6 本章小结 |
| 第4章 调门油动机故障预警功能实现 |
| 4.1 调门油动机故障注入与数据采集 |
| 4.2 基于SVDD的调门油动机故障预警研究 |
| 4.2.1 SVDD算法原理 |
| 4.2.2 核函数选取 |
| 4.2.3 数据预处理 |
| 4.2.4 基于SVDD的故障预警功能实现 |
| 4.2.5 SVDD模型测试结果分析 |
| 4.3 基于信号处理的调门油动机故障预警算法研究 |
| 4.3.1 小波包分解原理 |
| 4.3.2 能谱熵与烈度特征提取算法 |
| 4.3.3 调门油动机能谱熵、烈度及能量谱综合分析 |
| 4.3.4 基于能谱熵的故障预警功能实现 |
| 4.4 本章小结 |
| 第5章 调门油动机故障诊断功能实现 |
| 5.1 基于专家系统的故障诊断 |
| 5.1.1 专家系统概述 |
| 5.1.2 调门油动机专家系统总体架构 |
| 5.1.3 调门油动机专家系统诊断逻辑 |
| 5.1.4 基于专家系统的故障诊断功能实现 |
| 5.2 基于 1D-CNN 的油动机故障诊断 |
| 5.2.1 卷积神经网络简介 |
| 5.2.2 卷积神经网络算法 |
| 5.2.3 调门油动机故障诊断算法模型开发 |
| 5.2.4 基于 1D-CNN的故障诊断功能实现 |
| 5.2.5 1D-CNN模型测试结果分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（5）基于深度学习的LCD电磁信息泄漏识别方法研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 引言 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容 |
| 第二章 相关技术分析与研究 |
| 2.1 引言 |
| 2.2 计算机显示电磁泄漏理论基础 |
| 2.2.1 视频电磁泄漏机理特征分析 |
| 2.2.2 计算机显示器电磁泄漏分析 |
| 2.2.3 计算机视频传输线缆电磁泄漏分析 |
| 2.2.4 计算机显示分辨率模式分析 |
| 2.3 时频分析技术短时傅里叶变换 |
| 2.3.1 短时傅里叶变换的定义 |
| 2.3.2 短时傅里叶变换的参数选择 |
| 2.4 虚拟仪器技术与LABVIEW |
| 2.5 本章小结 |
| 第三章 基于时频图像的CNN电磁泄漏识别模型 |
| 3.1 引言 |
| 3.2 卷积神经网络模型基本原理 |
| 3.2.1 卷积神经网络发展概述 |
| 3.2.2 卷积层 |
| 3.2.3 池化层 |
| 3.2.4 激活函数 |
| 3.3 基于STFT的 CNN算法模型设计 |
| 3.3.1 STFT-CNN算法流程 |
| 3.3.2 STFT-CNN模型结构 |
| 3.4 实验结果与分析 |
| 3.4.1 实验搭建环境 |
| 3.4.2 STFT-CNN数据预处理 |
| 3.4.3 STFT-CNN模型训练 |
| 3.4.4 实验结果分析 |
| 3.4.5 模型评估 |
| 3.5 本章小结 |
| 第四章 STFT-CNN监测识别系统设计与实现 |
| 4.1 STFT-CNN监测识别系统介绍 |
| 4.2 STFT-CNN监测识别系统设计 |
| 4.2.1 系统总体结构 |
| 4.2.2 硬件系统设计 |
| 4.2.3 软件系统设计 |
| 4.3 STFT-CNN监测识别系统功能模块实现 |
| 4.3.1 用户交互登录功能模块 |
| 4.3.2 实时监测功能模块 |
| 4.3.3 数据预处理功能模块 |
| 4.3.4 神经网络的训练功能模块 |
| 4.3.5 智能识别功能模块 |
| 4.4 系统测试与结果分析 |
| 4.4.1 系统测试 |
| 4.4.2 测试结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要研究成果 |
（6）基于奇异谱分析的视频电磁泄漏信号处理方法研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电磁信息泄漏研究现状 |
| 1.2.2 信号处理方法研究现状 |
| 1.3 本文主要工作 |
| 第二章 视频信号显示及电磁泄漏分析 |
| 2.1 计算机显示系统机理分析 |
| 2.2 视频电磁信号泄漏源分析 |
| 2.2.1 显示器造成的电磁泄漏 |
| 2.2.2 线缆造成的电磁泄漏 |
| 2.2.3 主机造成的电磁泄漏 |
| 2.3 信号处理相关技术分析 |
| 2.3.1 电磁信号处理技术 |
| 2.3.2 奇异谱分析 |
| 2.4 本章小结 |
| 第三章 基于SSA的视频电磁信号处理方法设计 |
| 3.1 视频电磁泄漏信号处理特征分析 |
| 3.1.1 视频电磁泄漏信号的频谱特征分析 |
| 3.1.2 视频电磁泄漏信号噪声特性分析 |
| 3.1.3 SSA在视频电磁信号中的适用性分析 |
| 3.2 基于SSA的视频电磁泄漏信号分析处理 |
| 3.2.1 SSA处理方法流程 |
| 3.2.2 SSA算法基本原理 |
| 3.2.3 基于SSA的电磁泄漏信号处理参数选择 |
| 3.3 基于SSA的视频电磁泄漏信号处理方法实现 |
| 3.4 基于SSA的电磁泄漏信号处理结果分析 |
| 3.5 本章小结 |
| 第四章 SSA视频电磁信号处理系统实现方法 |
| 4.1 SSA视频电磁泄漏信号处理系统设计 |
| 4.1.1 软件系统开发环境 |
| 4.1.2 SSA视频电磁信号处理系统总体设计 |
| 4.2 SSA视频电磁信号处理系统实现 |
| 4.2.1 数据采集与保存功能实现 |
| 4.2.2 SSA功能实现 |
| 4.2.3 图像还原功能实现 |
| 4.3 本章小结 |
| 第五章 基于SSA的视频电磁泄漏信号实验分析 |
| 5.1 实验环境、测试设备和平台 |
| 5.2 信号采集 |
| 5.3 实验结果分析 |
| 5.3.1 信噪比计算 |
| 5.3.2 均方根值与方差 |
| 5.3.3 图像还原 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（7）显示器电磁信息泄漏的机器学习检测方法研究（论文提纲范文）
| 1 引言 |
| 2 计算机显示器的电磁信息泄漏原理 |
| 3 面向电磁信息泄漏的CNN算法设计 |
| 3.1 显示器电磁信息泄漏特征提取 |
| 3.2.1 卷积层 |
| (1)一维卷积(Conv1D) |
| (2) ReLU |
| (3) Dropout |
| 3.2.2 池化层 |
| 3.2.3 全连接层 |
| 3.2 MGCNN |
| 4 显示器电磁信息泄漏检测实验设计 |
| 4.1 样本采集 |
| 4.2 样本预处理 |
| 4.3 训练数据生成 |
| 4.4 MGCNN模型训练与获取 |
| 5 实验结果与分析 |
| 6 结论 |
（8）传导泄漏发射机理及检测技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 序言 |
| 1 引言 |
| 1.1 研究背景及研究意义 |
| 1.1.1 泄漏发射风险 |
| 1.1.2 传导泄漏发射风险 |
| 1.1.3 传导泄漏发射机理及检测技术研究的意义 |
| 1.2 问题描述 |
| 1.2.1 传导泄漏发射机理 |
| 1.2.2 泄漏发射测试带宽 |
| 1.2.3 红黑信号识别方法技术 |
| 1.3 研究内容与成果 |
| 1.4 论文基本结构 |
| 2 传导泄漏发射的研究现状 |
| 2.1 泄漏发射机理研究现状 |
| 2.1.1 传导泄漏发射机理的学术研究 |
| 2.1.2 经典电磁场理论的发射机制 |
| 2.1.3 高频辐射效应的研究 |
| 2.2 传导发射检测技术研究现状 |
| 2.2.1 测试技术研究 |
| 2.2.2 传导发射测试设备 |
| 2.2.3 测试参数对测试结果的影响 |
| 2.3 红黑信号识别技术现状 |
| 2.3.1 系统红信号的组成与分类 |
| 2.3.2 红黑信号识别算法 |
| 2.4 本章小结 |
| 3 传导泄漏发射机理 |
| 3.1 电尺寸与研究分析方法 |
| 3.1.1 电小尺寸 |
| 3.1.2 可参考的研究方法 |
| 3.2 传导泄漏发射准静态近似方法建模 |
| 3.2.1 双端口网络模拟电磁泄漏发射的方法 |
| 3.2.2 低频泄漏发射的双端口网络 |
| 3.3 传导泄漏发射的线天线辐射模型 |
| 3.3.1 偶极子模型及其泄漏发射特性 |
| 3.3.2 线天线模型 |
| 3.4 传导泄漏发射的传输线模型 |
| 3.4.1 传输线的泄漏模式 |
| 3.4.2 共模和差模对传导泄漏发射的影响 |
| 3.4.3 互易原理在传导泄漏发射的应用 |
| 3.4.4 多导线传输线耦合 |
| 3.4.5 泄漏发射的高频分析 |
| 3.5 传导泄漏发射仿真分析 |
| 3.5.1 传导耦合的时域分析 |
| 3.5.2 传导泄漏发射的频域分析 |
| 3.5.3 实际数字信号情况 |
| 3.6 本章小结 |
| 4 泄漏发射测试带宽 |
| 4.1 中频带宽对信号的影响 |
| 4.1.1 信噪比评估方法 |
| 4.1.2 理想接收机带宽对发射脉冲对接收的影响 |
| 4.1.3 理想矩形滤波器截止频率对分辨发射脉冲对的影响 |
| 4.2 脉冲带宽及其对接收信号影响 |
| 4.2.1 脉冲带宽及其上下界 |
| 4.2.2 脉冲带宽与接收机响应 |
| 4.2.3 接收机中频带宽 |
| 4.3 最大信噪比条件下的中频带宽选择 |
| 4.3.1 发射脉冲对的最大信噪比 |
| 4.3.2 理想带通滤波器对接收方波信号信噪比的影响 |
| 4.3.3 发射脉冲对在接收机中频带宽约束下的信噪比下界 |
| 4.4 窄带测试信噪比补偿方法 |
| 4.4.1 信噪比等效原理 |
| 4.4.2 任意带宽测试信噪比的补偿方法 |
| 4.5 本章小结 |
| 5 红黑信号识别技术 |
| 5.1 红黑信号识别的一般方法 |
| 5.1.1 红信号的分类 |
| 5.1.2 系统泄漏发射检测参考模型 |
| 5.1.3 发射信号的独立分量分析 |
| 5.1.4 发射信号的稀疏分量分析 |
| 5.1.5 识别算法 |
| 5.2 频谱特征判别法 |
| 5.2.1 脉宽改变的频谱特征 |
| 5.2.2 周期和占空比变化的频谱特征 |
| 5.3 相关判别方法 |
| 5.3.1 红黑信号之间的统计依赖性 |
| 5.3.2 红黑信号之间的协方差 |
| 5.4 统计独立性判别法 |
| 5.4.1 KL散度与JS散度 |
| 5.4.2 Wasserstein距离 |
| 5.4.3 负熵 |
| 5.4.4 概率密度函数的级数展开 |
| 5.5 基于稀疏表示的红黑信号判别法 |
| 5.5.1 信号表示 |
| 5.5.2 目标函数 |
| 5.5.3 混合矩阵A与系数C的估计 |
| 5.6 本章小结 |
| 6 结论与下一步工作 |
| 6.1 论文主要结论 |
| 6.2 下一步工作 |
| 参考文献 |
| 附录A 多导体耦合方程推导 |
| 附录B 多导体传输线系统的全时域仿真方法 |
| 附录C 术语 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）一种基于深度学习的电磁信息泄漏检测方法（论文提纲范文）
| 1 电磁信息泄漏检测方法设计 |
| 1.1 卷积神经网络设计 |
| 1.2 电磁信息标定 |
| 2 实验结果与分析 |
| 2.1 实测验证 |
| 2.2 仿真验证 |
| 3 结 论 |
四、浅谈电磁信息泄漏（论文参考文献）
- [1]基于机器学习方法的嵌入式设备旁路攻击研究[D]. 吴晨曦. 北京邮电大学, 2021(01)
- [2]基于FPGA分组密码算法的侧信道分析与研究[D]. 汪洋. 北京邮电大学, 2021(01)
- [3]线缆串扰模型及耦合效应评估[D]. 陈晨. 北京邮电大学, 2021(01)
- [4]基于1D-CNN和SVDD算法的调门油动机状态监测及故障预警诊断系统研究[D]. 杨旭康. 燕山大学, 2021
- [5]基于深度学习的LCD电磁信息泄漏识别方法研究[D]. 裴林聪. 太原科技大学, 2021
- [6]基于奇异谱分析的视频电磁泄漏信号处理方法研究[D]. 康妮. 太原科技大学, 2021
- [7]显示器电磁信息泄漏的机器学习检测方法研究[J]. 关天敏,韩振中,茅剑. 信息安全学报, 2021(02)
- [8]传导泄漏发射机理及检测技术研究[D]. 孙德刚. 北京交通大学, 2021(02)
- [9]一种基于深度学习的电磁信息泄漏检测方法[J]. 茅剑,刘泰康,刘培国. 北京航空航天大学学报, 2021(11)
- [10]多源融合信息泄漏检测方法[J]. 曹雨晨,周永彬. 信息安全学报, 2020(06)