حملات کانال جانبی انتخاب متن رمز علیه Kyber/ML-KEM

با استاندارد شدن (ML-KEM (Kyber، تمرکز ارزیابی های امنیت فیزیکی از حملات صرفا «غیرفعال» به سمت سناریوهای «فعال» تغییر کرده است؛ جایی که مهاجم می تواند ciphertextهای دست کاری شده را برای بزرگنمایی نشت در مرحله decapsulation تزریق کند. در این چارچوب، ciphertextهای انتخابی طوری ساخته می شوند که مسیرهای محاسباتی حساس، مثلا کاهش Barrett در محاسبات پیمانه ای، به نواحی با تفکیک پذیری بالای نشتی توان / EM رانده شوند و سپس با تکنیک هایی مانند خوشه بندی مولفه های وابسته به کلید از نویز تفکیک و کلید بازیابی گردد. هم زمان نشان داده شده که حتی پیاده سازی های دارای ماسک سازی می توانند در ماژول هایی نظیر message decoding دچار نشت باقیمانده شوند؛ بنابراین امنیت «موضعی» یک ماژول لزوما به امنیت کل زنجیره decapsulation تعمیم پذیر نیست. از منظر مهندسی، چالش اصلی این است که ارزیابی های EM معمولا پرهزینه و داده محورند؛ در نتیجه روش هایی مانند +EMSim با استفاده از GAN و انتقال یادگیری مسیر شتاب دهی به ارزیابی نشت در سطح پیاده سازی را پیشنهاد می کنند. نهایتا این بدنه کار نشان می دهد که دفاع موثر باید هم زمان مدل تهدید فعال (CCA)، «سطح پیاده سازی» و تست های نشت سنجی تکرار شونده را یکپارچه ببیند.

کلیدواژه ها:

ML-KEM (Kyber) ، کانال جانبی ، انتخاب متن رمز (CCA) ، کاهش Barrett ، ماسک سازی