如果采用旁路攻击方法对神经网络结构、框架进行攻击, 恢复出结构、权重等信息, 会产生敏感信息的泄漏, 因此, 需要警惕神经网络计算设备在旁路攻击领域产生敏感信息泄露的潜在风险。本文基于 Jetson Nano平台, 针对神经网络及神经网络框架推理时产生的旁路电磁泄漏信号进行采集, 设计了基于深度学习方法的旁路攻击算法, 对旁路进行分析研究, 并对两个维度的安全进行评估。研究表明, 良好的网络转换策略能够提升网络分类识别准确率 5%~12%。两种评估任务中, 针对同一框架下不同结构的典型神经网络推理时, 电磁泄漏的分类准确率达到 97.21%; 针对不同神经网络框架下同一种网络推理时, 电磁泄漏的分类准确率达到 100%。说明旁路电磁攻击方法对此类嵌入式图像处理器(GPU)计算平台中的深度学习算法隐私产生了威胁。

在网络作战体系中, 电磁泄漏探测是敌对双方都十分重视的领域。电磁泄漏探测分为主动探测和被动探测两种, 其中主动探测由发射源对外发射信号, 通过检测具体位置处的信号特征, 得到被测设备、系统或网络的泄漏信息或其它特征信息。针对一种主动传导电磁泄漏发射源进行分析, 结合其工作机理和具体的试验现象, 提出了对应的等效模型。该等效模型按工作频率的高低, 分为高频等效天线模型和低频等效电路模型两类, 通过理论分析了该模型的准确性, 通过电路仿真验证了等效模型的正确性。通过该模型研究, 可以为后续电磁泄漏探测的数据分析提供有力的分析手段。

物理隔离网络的电磁攻击手段, 其主要目标是建立与外部互联网的隐蔽连接通道。近年来跨越物理隔离网络的方法和工具被陆续公开, 相应的分析方法和检测手段也逐步被国内外安全团队提出。掌握漏洞才能掌握网络安全的主动权, 对比网络安全漏洞, 电磁漏洞定义为能对设备或系统造成损害的电磁因素。以物理隔离网络为例, 电磁漏洞主要指的是网络的硬件和系统缺陷, 利用这些缺陷可以直接建立或通过植入恶意软件建立能突破物理隔离的电磁信号的信息收、发隐蔽通道。通过广泛的漏洞挖掘与验证, 从物理信号类型、信息传递方向、信号生成与作用机理、漏洞利用方式以及漏洞检测方法上提出物理隔离网络电磁漏洞分类方法; 通过综合借鉴网络安全漏洞、电磁信息安全检测、物理隔离隐蔽通道等领域的研究方法, 提出电磁漏洞的研究方法; 从深化主动检测、群智漏洞挖掘、网络电磁安全融合、大数据监测等角度, 提出了物理隔离网络电磁漏洞库的建立方法。